Redes art

Redes ARTs
ART são as siglas em inglês de Teoria da Ressonância Adaptativa (Adaptive Resonance Theory), desenvolvida inicialmente por Stephen Grossberg, em 1976, e em publicações posteriores em parceria com Gail Carpenter (1986/87).
As redes neurais artificiais ART são redes que não precisam da exposição prévia de qualquer número de elementos do conjunto de dados para o seu treinamento. A principal característica dessa família de arquiteturas é a sua capacidade para formar agrupamentos (clusters), que nos permite identificar padrões desconhecidos.[15] Existem três modelos de redes ARTs:
ART1: é capaz de aprender a categorizar padrões de entrada binários apresentados em ordem arbitrária.
ART2: pode aprender a categorizar padrões de entrada analógicos ou binários.
ART3 (ARTMAP): pode realizar uma busca paralela, ou teste de hipóteses, em códigos com reconhecimento distribuído.
[editar] Aplicação
Reconhecimento Automático de Alvos; Reconhecimento de Caracteres; Robótica; Diagnóstico Médico; Sensoriamento Remoto; Processamento de Voz;
[editar] Aprendizado
O algoritmo de aprendizado da rede ART 1 não é supervisionado e pode ser ativa a qualquer momento, permitindo que a rede aprenda novos padrões continuamente.
Existem 2 tipos de aprendizado na rede ART 1, o aprendizado rápido e o lento.
O processo de aprendizado da rede envolve 3 fases como: reconhecimento, comparação e busca

Redes ART
• Criada por Grossberg e Carpenter 1982
• Utiliza modelo de McCulloch-Pitts como neurônio • Rede self-organising
• Aprendizado competitivo
• Baseada na teoria da ressonância adaptativa.
ART – Adaptive Resonance Theory
• Teoria da Ressonância Adaptativa
Desenvolvida para modelar uma rede neural selforganising para reconhecimento de padrões, baseada em dados biológicos e comportamentais – ART
• Ressonância adaptativa ocorre quando padrões de atividade nas camadas de entrada e de saída se reforçam mutuamente.
Família ART
ART-1: Entradas e saídas binárias
ART-2: