img076

76

6.2. Uczenie sieci ART

Jak wynika z przytoczonego opisu i z rysunku, neurony warstwy wejściowej są pod wpływem dwojakiego rodzaju sygnałów: biegnących od dołu do góry sygnałów wejściowych Ti oraz biegnących od góry do dołu sygnałów z warstwy wyjściowej j/f. Będziemy chwilowo zakładali, że wszystkie rozważane sygnały są binarne, tzn.

*.€{0,1} , rfe{o,i} i ji?e{0,1}

co bardzo uprości rozważania. Te elementy, w których informacje dochodzące z obydwu kierunków nakładają się na siebie, uzyskują dodatkowe wzmocnienie. Dochodzi dzięki temu do swoistego rezonansu pomiędzy sygnałami zewnętrznymi i sygnałami wewnątrz sieci, co uzasadnia nazwę sieci.

6.2 Uczenie sieci ART

Proces uczenia sieci ART definiowany jest prawem Webera i może być opisany na kilka sposobów. W literaturze często podawany jest „uciąglony” wariant metody ART, w którym proces uczenia stanowi rozwiązanie układu równań różniczkowych. Taki sposób opisu (nawiązujący do równań dynamiki potencjałów czynnościowych występujących w rzeczywistym