D人工神经网络4B
人工智能慕课题库
人工智能伦理学慕课题库1.1人工智能的历史1. ［多选题] 对人工智能常见的误解有哪些?( ）A.人工智能就是机器学习B.机器学习只是人工智能中的一个方向C.人工智能最近十年受到深度学习的驱动较多D。
人工智能就是深度学习我的答案：AD2. ［判断题] 哲学思维对于人工智能的重要性表现在，哲学所强调的批判性思维有助于认清人工智能发展中的问题。
（）我的答案：对3。
[判断题] 深度学习在人工智能领域的表现并不突出。
（）我的答案：错1.2符号人工智能1。
[单选题］人工智能作为一门学科的建立时间是（）。
A.1956年B.1930年C。
1960年D.1952年我的答案：A2. [单选题] 人工智能与计算机学科的关系是( )。
A.计算机学科的主要驱动力是人工智能研究B.计算机是人工智能研究的一个领域C.人工智能是计算机学科的一个分支D。
人工智能与计算机学科没有联系我的答案：C3. ［单选题] 计算机之父是（).A。
约翰·麦卡锡B.艾伦·图灵C。
赫尔伯·西蒙D.马文·明斯基我的答案：B4。
[判断题］符号AI是将人的思维通过逻辑语言制成流形图让计算机去执行.（）我的答案：对5. ［判断题］通用问题求解器需要寻找全局最优解。
（)我的答案：错1。
3人工神经网络1。
[单选题] ( ）是现在新出现的人工智能的研究方向.A.深度学习B。
人工神经元网络C.贝叶斯网络D.类脑人工智能我的答案：D2。
[单选题］深度学习中的“深度”是指（)。
A。
计算机理解的深度B.中间神经元网络的层次很多C。
计算机的求解更加精准D.计算机对问题的处理更加灵活我的答案：B3. [多选题] 人工神经元网络与深度学习的关系是( ）。
A。
人工神经元网络是深度学习的前身B。
深度学习是人工神经元网络的一个分支C。
深度学习是人工神经元网络的一个发展D。
深度学习与人工神经元网络无关我的答案:AC4。
［判断题］符号AI不是人工智能的正统。
人工神经网络是什么
⼈⼯神经⽹络是什么⽬录⼀、⼈⼯神经⽹络⼈⼯智能的主流研究⽅法是连接主义，通过⼈⼯构建神经⽹络的⽅式模拟⼈类智能。
⼈⼯神经⽹络（Artificial Neural Network，即ANN ），是20世纪80 年代以来⼈⼯智能领域兴起的研究热点。
它从信息处理⾓度对⼈脑神经元⽹络进⾏抽象，建⽴某种简单模型，按不同的连接⽅式组成不同的⽹络。
⼈⼯神经⽹络借鉴了⽣物神经⽹络的思想，是超级简化版的⽣物神经⽹络。
以⼯程技术⼿段模拟⼈脑神经系统的结构和功能，通过⼤量的⾮线性并⾏处理器模拟⼈脑中众多的神经元，⽤处理器复杂的连接关系模拟⼈脑中众多神经元之间的突触⾏为。
⼆、⽣物神经⽹络⼈脑由⼤约千亿个神经细胞及亿亿个神经突触组成，这些神经细胞及其突触共同构成了庞⼤的⽣物神经⽹络每个神经元伸出的突起分为树突和轴突。
树突分⽀⽐较多，每个分⽀还可以再分⽀，长度⼀般⽐较短，作⽤是接受信号。
轴突只有⼀个，长度⼀般⽐较长，作⽤是把从树突和细胞表⾯传⼊细胞体的神经信号传出到其他神经元。
⼤脑中的神经元接受神经树突的兴奋性突触后电位和抑制性突触后电位，产⽣出沿其轴突传递的神经元的动作电位。
⽣物神经⽹络⼤概有以下特点：1. 每个神经元都是⼀个多输⼊单输出的信息处理单元，神经元输⼊分兴奋性输⼊和抑制性输⼊两种类型2. 神经细胞通过突触与其他神经细胞进⾏连接与通信，突触所接收到的信号强度超过某个阈值时，神经细胞会进⼊激活状态，并通过突触向上层神经细胞发送激活细号3. 神经元具有空间整合特性和阈值特性，较⾼层次的神经元加⼯出了较低层次不具备的“新功能”4. 神经元输⼊与输出间有固定的时滞，主要取决于突触延搁外部事物属性⼀般以光波、声波、电波等⽅式作为输⼊，刺激⼈类的⽣物传感器。
三、硅基智能与碳基智能⼈类智能建⽴在有机物基础上的碳基智能，⽽⼈⼯智能建⽴在⽆机物基础上的硅基智能。
碳基智能与硅基智能的本质区别是架构，决定了数据的传输与处理是否能够同时进⾏。
人工智能机器学习技术练习(习题卷21)
人工智能机器学习技术练习(习题卷21)说明：答案和解析在试卷最后第1部分：单项选择题，共58题，每题只有一个正确答案,多选或少选均不得分。
1.[单选题]线性回归和逻辑回归中，关于损失函数对权重系数的偏导数，下列说法正确的是？A)两者不一样B)两者一样C)无法确定2.[单选题]分类模型在进行训练时需要()A)训练集B)训练集与测试集C)训练集、验证集、测试集3.[单选题]（__)假设聚类结构能通过一组原型刻画，在显示聚类任务中极为常用。
A)原型聚类B)密度聚类C)层次聚类D)AGNES4.[单选题]以等可能性为基础的概率是()。
A)古典概率B)经验概率C)试验概率D)主观概率5.[单选题]批规范化(Batch Normalization)的好处都有啥？A)在将所有的输入传递到下一层之前对其进行归一化（更改）B)它将权重的归一化平均值和标准差C)它是一种非常有效的反向传播(BP)方法D)这些均不是6.[单选题]在一个神经网络中,确定每个神经元的权重和偏差很重要。
用()方法可以确定神经元的权重和偏差,从而对函数进行拟合。
A)随机赋值,祈祷它们是正确的B)搜索所有权重和偏差的组合,直到得到最佳值C)赋予一个初始值,通过检杳与真值的误差,逐步迭代更新权重D)以上都不正确7.[单选题]下列哪种归纳学习采用符号表示方式？A)经验归纳学习D)强化学习8.[单选题]剪枝是决策树学习算法对付（__）的主要手段。
A)欠拟合B)过拟合C)样本数过多D)特征数过多9.[单选题]机器学习是研究如何使用计算机(）的一门学科。
A)模拟生物行为B)模拟人类解决问题C)模拟人类学习活动D)模拟人类生产活动10.[单选题](__)是将“现实生活中的问题”转换为“数据世界中的问题”，然后采用数据科学的理念、原则、方法、技术、工具，通过将数据、尤其的大数据，转换为知识和智慧。
A)数据工程师B)数据码农C)数据科学家D)科学家11.[单选题](__)主要为组织机构提供企业级应用技术或工具。
人工智能基础概念习题(含答案)
人工智能基础概念习题（含答案）一、单选题（共60题，每题1分，共60分）1、在数据产品研发的过程中，以下()属于低层次数据。
A、一次数据B、三次数据C、二次数据D、零次数据正确答案：D2、在人工神经网络算法中，不属于实现“人工神经元”的方法的有()。
A、感知器B、线性单元C、Sigmoid单元D、Untied单元正确答案：D3、下列哪项不是构建知识图谱用到的主要技术（）A、关系抽取B、命名实体识别C、词性标注D、实体链接正确答案：C4、以下关于机器学习说法错误的是A、机器学习可以解决图像识别问题B、监督学习和非监督学习都属于机器学习C、机器学习在一定程度上依赖于统计学习D、目前机器学习已经可以代替人类正确答案：D5、图像识别任务可以分为三个层次，根据处理内容的抽象性，从低到高依次为A、图像分析，图像处理，图像理解B、图像分析，图像理解，图像处理C、图像理解，图像分析，图像处理D、图像处理，图像分析，图像理解正确答案：D6、2010年谷歌推出以顶点为中心的图处理系统（），其专为大规模图数据处理而设计，将图数据保存在主存储器中并采用并行计算的BSP模型A、PregelB、DregelC、CregelD、Aregel正确答案：A7、()是人工智能地核心，是使计算机具有智能地主要方法，其应用遍及人工智能地各个领域。
A、深度学习B、智能芯片C、机器学习D、人机交互正确答案：C8、标准AdaBoost只适用于（）任务A、二分类B、分类C、回归D、多分类正确答案：D9、阿尔法狗是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的人工智能程序，它的主要工作原理是什么？A、深度学习B、卷积神经网络C、机器学习D、BP神经网络正确答案：A10、下列选项中，不属于生物特征识别技术的是（）A、声纹识别B、文本识别C、步态识别D、虹膜识别正确答案：B11、对学习器的泛化性能进行评估，不仅需要有效可行的实验估计方法，还需要有衡量模型泛化能力的评价标准，这就是()。
202212 人工智能应用师(初级)考前冲刺题A1卷
2022.12 人工智能应用师（初级）考前冲刺题A1卷1.【单选题】1948年Shannon把离散马尔可夫过程的概率模型应用于（ ）。
A:图灵机B:声谱C:语言的自动机D:Bell实验室语音识别系统正确答案：C2.【单选题】神经元的突触是（ ）的终端。
A:突触B:细胞体C:轴突D:树突正确答案：C答案解析：突触是轴突的终端。
3.【单选题】语义网络的组成部分为（ ）。
A:框架和弧线B:状态和算符C:结点和弧D:槽和值正确答案：C4.【单选题】知识可以用符号来表达，表明知识具有（ ）。
A:可表示性B:可存储性C:可传递性D:可共享性正确答案：A答案解析：可表示性是指知识是用符号来表达的。
5.【单选题】（ ）由于电化学作用接受外界的刺激。
A:突触B:细胞体C:轴突D:树突正确答案：D6.【单选题】下列哪个应用领域不属于人工智能应用（）。
A:自然语言处理B:自动控制C:专家系统D:人工神经网络正确答案：B7.【单选题】一般认为人工智能是使计算机具有感知、（）和行为的能力。
A:推理B:分析C:处理D:思考正确答案：A8.【单选题】在人工智能当中，问题求解、创作、推理预测被认为是（）的层次。
A:计算智能B:感知智能C:认知智能9.【单选题】下列关于确定性推理过程的描述不恰当的是（）。
A:推出的结论不唯一B:推理时所用的知识是确定的C:推出的结论或者为真，或者为假D:推理时所用的证据是确定的正确答案：A答案解析：确定性推理是指推理时所用的知识与证据都是确定的，推出的结论也是确定的，其真值或者为真，或者为假。
10.【单选题】2016年3月9日至15日，谷歌AlphaGo机器人在围棋比赛中以比分（ ）击败了世界冠军李世石。
A:5:0B:3:2C:4:1D:4:2正确答案：C11.【单选题】弱人工智能是人工智能技术的（ ）。
A:现实版B:增强版C:压缩版D:计划版正确答案：A12.【单选题】伯恩斯坦认为知识是由特定领域的描述、关系和（ ）组成的。
人工智能基础(习题卷46)
人工智能基础(习题卷46)第1部分：单项选择题，共50题，每题只有一个正确答案,多选或少选均不得分。
1.[单选题]“中国制造2025”是以新一代信息技术与制造业深度融合为主线，以推进智能制造为主攻方向，并规划了实施制造强国十年行动纲领，其中提出点实施（）工程。
A)智能交通B)智能军事C)智能制造答案:C解析:2.[单选题]下列哪个应用领域不属于人工智能应用？（）A)人工神经网络B)自动控制C)自然语言学习D)专家系统答案:B解析:3.[单选题]以下不属于大数据重要意义的是（ ）。
A)大数据成为推动经济转型发展的新动力B)大数据成为重塑国家竞争优势的新机遇C)大数据成为提升政府治理能力的新途径D)大数据会增加经济发展的成本答案:D解析:大数据可以促进经济的发展，催生新的业态，在辅助商业决策、降低运营成本、 精准市场的营销方面都能发挥作用，进一步提升企业竞争力。
4.[单选题]假设你只有100Mb的内存，需要对1Gb的数据进行排序，最合适的算法是（）A)归并排序B)插入排序C)快速排序D)冒泡排序答案:A解析:5.[单选题]当使用地面站控制无人机飞行时，必须使用的设备是( )A)数控电台B)数传电台C)图传D)IMU答案:B解析:6.[单选题]（ ）是学习系统应达到的目标。
A)适当的学习环境C)求解问题D)一定的学习能力答案:B解析:7.[单选题]上电后电动机无法启动，无任何声音。
首先检查的原因是( )。
A)电源接头接触不良B)电池损坏C)电机损坏D)电调损坏答案:A解析:8.[单选题]自拍时，手机前置镜头显示的画面需要通过哪个变换后，才能是真实的场景图像A)直镜像B)水平镜像C)旋转D)平移答案:B解析:9.[单选题]游戏设计中为角色用于路径规划，比较合适的算法是（ ）A)遗传算法B)搜索技术C)模糊逻辑D)神经网络答案:B解析:10.[单选题]传统GBDT以（）作为基分类器A)线性分类器B)CARTC)gblinearD)svm答案:B解析:传统GBDT以CART作为基分类器11.[单选题]下列算法中属于点处理的是( )。
教科版(2019)必修1《第五单元_数据分析与人工智能》2022年单元测试卷(1)+答案解析(附后)
教科版（2019）必修1《第五单元数据分析与人工智能》2022年单元测试卷（1）1. 王老师在教学与生活中经常使用电脑，请判断他使用的技术中，不属于人工智能应用范畴的是（ ）A. 用手写板输入汉字B. 用耳麦进行语音对话C. 将纸质试卷扫描并借助OCR软件识别成电子文档D. 用翻译软件将一篇英文稿件翻译成中文2. 下列不属于人工智能的主要方法的是（ ）A. 符号主义B. 联结主义C. 行为主义D. 自由主义3. 要想让机器具有智能，必须让机器具有知识。
因此，在人工智能中有一个研究领域，主要研究计算机如何自动获取知识和技能，实现自我完善，这门研究分支学科叫（ ）A. 机器感知B. 机器学习C. 自动化D. 机器思维4. 下列关于人工智能说法错误的是（ ）A. 人工智能是一门多学科广泛交叉的前沿科学B. AlphaGo Zero 不依赖人类棋手数据而在自我博弈中不断提升棋力是行为主义的体现C. AlphaGo 于 2016 年战胜围棋九段棋手李世石，是符号主义的应用D. 机器学习主要研究计算机如何自动获取知识和技能，实现自我完善5. 随着信息技术、通信技术和大数据的发展，引发了人工智能热。
下列关于人工智能的描述，错误的是（ ）A. 机器翻译不属于人工智能的应用B. 人工智能的不断创新，促使大量“沉睡”的数据被唤醒、被挖掘，释放出巨大价值C. 近年来，有了大数据的支持，智能算法的效果得到了极大的体现D. 人机对弈、无人驾驶、智能识图都属于人工智能的应用6. 下列2022北京冬奥会相关应用中，体现人工智能技术的是（ ）A. “非接触垃圾箱”的传感器检测到人的手接近时会自动开启箱盖B. 智能向导机器人发现没带口罩的人时会语音提醒C. 雪花引导牌采用五路供电技术，在电线断了3、4根时引导牌也能正常发光D. 国家游泳中心“水立方”改造时使用了5G技术7. 下列应用没有使用到人工智能技术的是（ ）A. 进入考场时“刷脸”验证身份B. 校门口通过摄像头识别车牌号码C. 扫描商品条形码，屏幕上显示出相应价格D. 快递分捡机器人接收工作人员的语音指令进行包裹分捡8. 以下为演绎三段论推理的过程：所有有羽毛的动物都是鸟类（大前提）某动物有羽毛（小前提）该动物是鸟类采用上述方式研究并实现人工智能的方法称为（ ）A. 强化学习B. 联结主义C. 行为主义D. 符号主义9. 扫地机器人事先并不知道场所布局和物品摆放，是在运动中不断从环境中学习，经过一段时间的交互，就可获悉环境的全貌。
D人工神经网络复习习题
2.2.1 神经元的建摸 (2/6)
上述假定，可用图2.5中的神经元模型示意图进行图解表 示。
i 1
(2 .1 )
式中 τij —— 输入i输出j间的突触延时； Tj —— 神经元j的阈值； wij —— 神经元i到j的突触连接系数值； f( ) —— 神经元转移函数。
2.2.2 神经元的数学模型(2/6)
为简单起见，将上式中的突触延时取为单位时
间，则式（2.1）可写为
n
第3章 监督学习神经网络 §3.1 单层感知器
§ 3.1.1 感知器模型 § 3.1.2 单节点感知器的功能分析 § 3.1.3 感知器的学习算法 § 3.1.4 感知器的局限性及解决途径 §3.2 基于误差反传的多层感知器—BP神经网络 § 3.2.1 BP网络模型 § 3.2.2 BP学习算法 § 3.2.3 BP算法的程序实现 § 3.2.4 BP网络的主要能力 § 3.2.5 误差曲面与BP算法的局限性 §3.3 BP算法的改进 §3.4 BP网络设计基础 §3.5 BP网络应用与设计实例 本章小结
§1.2.1 启蒙时期 …低潮时期…复兴时期…高潮时期(新高潮)………
本章小结
第2章 神经网络基础知识 §2.1 人工神经网络的生物学基础 §2.2 人工神经元模型
§ 2.2.1 神经元的建摸 § 2.2.2 神经元的数学模型 § 2.2.3 神经元的转移函数 §2.3 人工神经网络模型 § 2.3.1 网络拓扑结构类型
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
j=1,2,…,m
(4.16)
选择具有最大匹配度(即具有最大点积)的竞争获胜节点： net j* max{net j }
j
使获胜节点输出rj* = 1，其它节点输出为0。
4.4自适应共振理论
4.4.1 ARTⅠ型网络 4.4.1.2 网络运行原理 (2)比较阶段
t1j
c1
R
2 1
输入 X
4.4自适于每一个输入模式，网络运行过程可归纳为四个阶段： (1)匹配阶段 (2)比较阶段
(3)搜索阶段
(4)学习阶段
4.4自适应共振理论
G2
R
4.4.1 ARTⅠ型网络 门限 4.4.1.2 网络运行原理 G C Reset 对于每一个输入模式，网络运行过程可归纳为四个阶段：
R 层
… t1j
c1 ci
… tnj
cn
tij
…
G1 x1
…
xI i
x
n xn
x1
x
4.4自适应共振理论
4.4.1 ARTⅠ型网络 4.4.1.1 网络系统结构 (1)C层结构 网络开始运行时，G1=1，识 别层尚未产生竞争获胜神经元， 因此反馈回送信号为0。由规则知， C层输出应由输入信号决定，有 C=X。 当网络识别层出现反馈回送 信号时；G1=0，由规则得知，此 G1 时C层输出应取决于输入信号与反 馈信号的比较情况，如果xi=t ij*， 则ci＝xi，否则ci＝0。
xI i
x
n xn
x
4.4自适应共振理论
4.4.1 ARTⅠ型网络 4.4.1.1 网络系统结构 (1)C层结构 C层展开后的结构如图4.21所 示。 该层有n个节点，每个节点接 受来自3个方面的信号：一个是来 自外界的输入信号，另一个是来 自R层获胜神经元的外星向量的返 回信号，还有一个是来自G1的控 制信号。 C 层节点的输出ci是根据2/3 的“多数表决”原则产生的，即 输出值ci与xi、tij、G1三个信号中 的多数信号值相同。
层
… tij
ci
… tnj
cn
…
G1
1 I
…
n
x x x R层输出信息通过外星向量返回到C层。 R层获胜节点所连的外星权向量Tj*被激活，从节点j*发出的n个权值信 号返回到C层的n个节点。 此时，R层输出不全为零，R0=1，而G1=0，所以C层最新输出状态C’ 取决于由R层返回的外星权向量Tj*和网络输入模式X的比较结果, 即ci=tij*· i, x i=1, 2, …, n。 由于外星权向量Tj*是R层模式类的典型向量，该比较结果C’反映了在 匹配阶段R层竞争排名第一的模式类的典型向量Tj*与当前输入模式X的相似 程度。相似程度的大小可用相似度N0 反映，定义为：
t1j
c1
R
层
… tij
ci
… tnj
cn
…
G1 x1 xI
…
xn
用于比较的警戒门限为ρ ，在0～1范围取值。 检查输入模式与模式类典型向量之间的相似性是否低于警戒门限。 如果N0/N1<ρ，则X与Tj*的相似程度不满足要求，网络发出Reset信号 使第一阶段的匹配失败，竞争获胜节点无效，网络进入搜索阶段。 如果N0/N1>ρ，表明X与获胜节点对应的类别模式非常接近，称X与Tj* 发生 “共振”，第一阶段的匹配结果有效，网络进入学习阶段。 相似程度的大小可用相似度N0 反映，定义为：
4.4自适应共振理论
4.4.1 ARTⅠ型网络 4.4.1.1 网络系统结构 (2)R层结构
r1
rj
rm
…
b11 … b1j …b1m
…
bn1 … bnj … bnm
bi1…bij…bim
…
…
层
Bj=( b1j, …, bij, …, bnj)T
C
R
层
Tj=( t1j, …, tij, …, tnj
4.4自适应共振理论
4.4.1 ARTⅠ型网络 4.4.1.2 网络运行原理 (4)学习阶段 在学习阶段，要对发生共振的获胜节点对应的模式类加 强学习，使以后出现与该模式相似的输入样本时能获得更大 的共振。 ART网络运行中存在两种记忆方式： 短期记忆：C层和R层输出信号称为短期记忆，用STM (Short time memory)表示，短期记忆在运行过程中会不断 发生变化； 长期记忆：两层之间的内外星权向量称为长期记忆，用 LTM (Long time memory)表示，长期记忆在运行过程中不 会变化。
R 层
… t1j
c1 ci
… tnj
cn
tij
…
x1
…
xI i
x
n xn
x1
x
4.4自适应共振理论
4.4.1 ARTⅠ型网络 4.4.1.1 网络系统结构
r1
rj
rm
…
…
b11 … b1j …b1m bn1 … bnj … bnm (2)R层结构 bi1…bij…bim R层展开后的结构如图4.22所 … … 示，其功能相当于一种前馈竞争 C 层 网。 设R层有m个节点。m可动态增长，以设立新模式类。 由C层向上连接到R层第j个节点的内星权向量用Bj表示。 Bj = (b1j, …, bij, …, bnj)T C层的输出向量C沿m个内星权向量向前传送到达R层，经 过竞争产生获胜节点j*，指示本次输入模式的所属类别。获胜 节点输出为1，其余节点输出为0。 R层的每个神经元都对应两个权向量，一个是将C层前 馈信号汇聚到R层的内星权向量Bj，另一个是将R层反馈信号 散发到C层的外星权向量Tj。
N 0 X t j* tij* xi ci
T i 1 i 1
n
n
N0实际上表示获胜节点的类别模式典型向量Tj*与 输入模式样本X之间相互重叠的非零份量数。
设输入模式样本中的非零分量数N1为：
N1 xi
i 1 n
4.4自适应共振理论
4.4.1 ARTⅠ型网络 4.4.1.2 网络运行原理 (2)比较阶段
第四章 竞争学习神经网络
4.1 竞争学习的概念与原理 4.2 自组织特征映射神经网络 4.3 自组织特征映射网络的设计与应用 4.4 自适应共振理论 本章小结
第四章 竞争学习神经网络 4.4 自适应共振理论 4.4.1 ARTⅠ型网络 4.4.2 ARTⅠ型网络的应用 4.4.3 ARTⅡ型网络 4.4.4 ARTⅡ型网络的应用
4.4自适应共振理论
ARTⅠ网络学习算法的基本流程
神经网络已储存 的连接权值
共振
输 入 一 模 式
与储存 的典型 向量模 式进行 比较
选择最相似的作为该模式的代表 类，并调整与该类别相关的权值， 以使以后与该模式相似的输入再 与该模式匹配时能得到更大的相 似度。
相似度的参考门限ρ:达到↑未达↓ 需要在网络中设立一个新的模 式类，同时建立与该模式类相 连的权值，用以代表和存储该 模式以及之后输入的同类模式。
cn
…
x1 xi
…
xn
G1 x1 c1
t1j
ci
tij
…
x1 xi
xI
…
xn
xn
注意：Bj是从C层到R层, Tj是从R层到C层。
4.4自适应共振理论
4.4.1 ARTⅠ型网络 4.4.1.1 网络系统结构 (3)控制信号 控制信号G2的作用是检测输入模式X是否为0，它等于X 各 分量的逻辑“或”，如果xi(i =1, 2, …, n)为全0，则G2=0，否 则G2=1。 控制信号G1的作用是在网络开始运行时为1，以使C=X， 其后为0，以使C值由输入模式和反馈模式的比较结果决定。设 G R 层输出向量各分量的逻辑“或”用R0表示，则信号G1=2R0 ， 当R层输出向量R的各分量为全0而输入向量X不是零向量时， G1=1，否则G1=0。 G R 控制信号Reset的作用是使R层竞争获胜神经元无效，如 果根据某种事先设定的测量标准，Tj*与X未达到预先设定的相 门限 似度ρ，表明两者未充分接近，于是系统发出Reset信号使竞 G C Reset 争获胜神经元无效。
4.4自适应共振理论
之前介绍的神经网络根据学习方式可分为有导师学习和无 导师学习两类。 对于有导师学习网络，通过对网络反复输入样本模式使其 达到稳定记忆后，如果再加入新的样本继续训练，前面的训练 结果就会受到影响。 对于无导师学习网络，输入新数据将会对某种聚类典型向 量进行修改，这种修改意味着对新知识的学习会带来对旧知识 的忘却。 因此，无论是有导师学习还是无导师学习。由于设定的网 络规模是确定的，因而W矩阵能记忆的模式类别信息总是有限 的。新输入的模式样本必然会对已经记忆的模式样本产生抵消 或遗忘，从而使网络的分类性能受影响。靠无限扩大网络规模 解决上述问题也是不现实的。 如何保证在适当增加网络规模的同时，在过去记忆的模式 和新输入的训练模式之间作出某种折衷，既能最大限度地接收 新的模式信息(灵活性)，同时又能保证较少地影响过去的模式 样本(稳定性)呢？
4.4自适应共振理论
4.4.1 ARTⅠ型网络 4.4.1.1 网络系统结构 图4.20给出的ART模型结构。 ARTⅠ型网络由两 层神经元构成两个子系 统，分别称为比较层C (或称注意子系统)和识别 层R(或称取向子系统)。 此外还有3种控制信 号：复位信号(简称 Reset)、逻辑控制信号 G1和G2。
4.4自适应共振理论
1976年,美国Boston大学学者G．A．Carpenter提出自 适应共振理论（Adaptive Resonance Theory,缩写为ART）。 他多年来一直试图为人类的心理和认知活动建立统一的 数学理论，ART就是这一理论的核心部分。随后G. A. Carpenter又与S. Grossberg提出了ATR网络。 经过了多年的研究和不断发展，ART网已有3种形式： ARTⅠ型处理双极型或二进制信号；ARTⅡ型是ART1的扩展 形式，用于处理连续型模拟信号；ARTⅢ型是分级搜索模型， 它兼容前两种结构的功能并将两层神经元网络扩大为任意多 层神经元网络。由于ARTⅢ型在神经元的运行模型中纳入了 生物神经元的生物电-化学反应机制，因而具备了很强的功能 和可扩展能力。