面向工程应用的自适应共振理论神经网络模型综述
神经与进化计算
2019-05-29 v1 机器学习
机器学习
摘要
本综述从不断壮大的自适应共振理论（ART）神经网络模型家族中取样，这些模型用于执行三种主要机器学习范式，即无监督、有监督与强化学习。它涵盖了从经典到现代ART模型的代表性列表，从而勾勒出过去30年研究者所开发架构的总体图景。简要描述了这些ART模型的学习动力学，并讨论了它们的显著特征，如代码表示、长期记忆及相应的几何解释。考察了ART的有用工程特性（速度、可配置性、可解释性、并行化与硬件实现）以及当前挑战。最后，提供了在线软件库的汇编。期望本概览对新老ART研究者均有所帮助。
引用
@article{arxiv.1905.11437,
title = {A Survey of Adaptive Resonance Theory Neural Network Models for Engineering Applications},
author = {Leonardo Enzo Brito da Silva and Islam Elnabarawy and Donald C. Wunsch},
journal= {arXiv preprint arXiv:1905.11437},
year = {2019}
}