Information Technology Reference
In-Depth Information
Abb. 4.18
ART-Netz
Klasse signalisieren. Dabei bestimmt die Größe der Erkennungsschicht die Anzahl der
erkennbaren Klassen. Wird nun dem Netz ein Muster vorgelegt, so wird die Eingabe zu-
nächst an die Erkennungsschicht durchgereicht. Aus der Verknüpfung der Eingabe mit der
Gewichtsmatrix wird das Neuron mit der höchsten Aktivierung, das Gewinner-Neuron,
in der Erkennungsschicht bestimmt. Anschließend wird die Ähnlichkeit zwischen Einga-
bemuster und dem der Gewinner-Neuron-Klasse zugeordneten Referenzmuster ermittelt,
welches in der Vergleichsschicht gespeichert ist (Abb.
4.18
).
Es können dabei folgende Fälle auftreten:
• Ist die Eingabe dem Referenzmuster ähnlich, ist das Eingabemuster als Vertreter dieser
Klasse erkannt. Das Netz hat somit die Klassifikation abgeschlossen.
• Falls keine hinreichende Ähnlichkeit bestimmt werden kann, wird das zweitbeste Neu-
ron der Erkennungsschicht nebst zugehörigem Vergleichsmuster betrachtet.
• Lässt sich für kein Vergleichsmuster eine Ähnlichkeit mit der Eingabe entdecken, wird
eine neue Klasse mit dem Eingabemuster als Referenzmuster gespeichert. Das funktio-
niert dann solange, wie noch freie Neuronen aus der Erkennungsschicht zur Verfügung
stehen.
Die Arbeitsphase solcher ART-Netze lässt sich in mehrere Phasen unterteilen:
• Initialisierung
• Erkennungsphase
