chapitre9 - Chapitre 9 Architectures ART Les architectures...

Info iconThis preview shows pages 1–2. Sign up to view the full content.

View Full Document Right Arrow Icon

Info iconThis preview has intentionally blurred sections. Sign up to view the full version.

View Full DocumentRight Arrow Icon
This is the end of the preview. Sign up to access the rest of the document.

Unformatted text preview: Chapitre 9 Architectures ART Les architectures ART 1 sont issues des travaux de Stephen Grossberg et Gail Carpenter. Elles sont bas´ees sur une th´eorie d’inspiration biologique 2 assez complexe sur laquelle nous n’insis- terons pas. Elles se manifestent par diff´erentes implantations sp´ecifiques dont celles nomm´ees « ART1 » , « ART2 » , « ART3 » , « fuzzy ART » , « ARTmap » , « fuzzy ARTmap » , etc. L’architecture ART1 3 poss`ede la particularit´e de n’accepter que des entr´ees binaires, alors que le ART2 4 accepte des entr´ees continues en incorporant aux m´ecanismes du ART1 diff´erentes op´erations complexes de normalisation. Quant au ART3 5 , il d´eveloppe le ART2 davantage en lui ajoutant un nouveau m´ecanisme de r´einitialisation biologiquement inspir´e. Ces trois architectures utilisent toutes un processus d’apprentissage non supervis´e. Dans ce chapitre, nous allons nous concentrer sur une quatri`eme architecture, ´egalement non supervis´ee, nomm´ee fuzzy ART 6 , qui poss`ede la relative simplicit´e du ART1 tout en offrant la capacit´e du ART2 `a traiter des entr´ees continues. Nous aborderons ensuite une des versions supervis´ees des architectures ART : le fuzzy ART- map 7 qui permet non seulement un apprentissage supervis´e, mais ´egalement un apprentissage incr´emental des connaissances, c’est-`a-dire un apprentissage o`u tous les stimuli ne sont pas n´eces- sairement disponibles en tout temps. Ainsi, on peut par exemple apprendre avec un premier sous- ensemble de stimuli, puis mettre ce dernier de cˆot´e et poursuivre l’apprentissage avec un autre sous- ensemble sans que les connaissances acquises pr´ec´edemment soient oubli´ees par le r´eseau. Ceci n’est tout simplement pas possible avec d’autres architectures neuronales comme, par exemple, le 1 En anglais : « Adaptive Resonance Theory » . 2 S. Grossberg, Studies of Mind and Brain , Boston : D. Reidel Publishing Co., 1982. 3 G.A. Carpenter et S. Grossberg, « A Massively Parallel Architecture for a Self-Organizing Neural Pattern Recog- nition Machine » , Computer Vision, Graphics, and Image Processing , vol. 37, p. 54-115, 1987. 4 G.A. Carpenter et S. Grossberg, « ART2 : Self-Organization of Stable Category Recognition Codes for Analog Input Patterns » , Applied Optics , vol. 26, no. 23, p. 4919-4930, 1987. 5 G.A. Carpenter et S. Grossberg, « ART3 : Hierarchical Search using Chemical Transmitters in Self-Organizing Pattern Recognition Architectures » , Neural Networks, vol. 3, no. 23, p. 129-152, 1990. 6 G.A. Carpenter, S. Grossberg et D.B. Rosen, « Fuzzy ART : Fast Stable Learning and Categorization of Analog Patterns by Adaptive Resonance Theory » , Neural Networks, vol. 4, p. 759-771, 1991....
View Full Document

This note was uploaded on 10/10/2010 for the course GIF 7005 taught by Professor Gagne during the Spring '09 term at Université Laval.

Page1 / 10

chapitre9 - Chapitre 9 Architectures ART Les architectures...

This preview shows document pages 1 - 2. Sign up to view the full document.

View Full Document Right Arrow Icon
Ask a homework question - tutors are online