Deep ARTMAP：基于自适应共振理论的广义分层学习
机器学习
2025-03-12 v1 人工智能
神经与进化计算
摘要
本文提出了 Deep ARTMAP，这是 ARTMAP 架构的一种新颖扩展，它推广了自洽模块化 ART（SMART）架构，以支持跨任意数据变换的分层学习（有监督和无监督）。Deep ARTMAP 框架作为一种分裂聚类机制运作，支持任意数量的模块，每个模块内具有可定制的粒度。ART 间模块调节每一层的聚类，允许无监督学习，同时强制从一层中的聚类到下一层的一对多映射。虽然 Deep ARTMAP 在特定配置下可简化为 ARTMAP 和 SMART，但它提供了显著增强的灵活性，适应更广泛的数据变换和学习模式。
引用
@article{arxiv.2503.07641,
title = {Deep ARTMAP: Generalized Hierarchical Learning with Adaptive Resonance Theory},
author = {Niklas M. Melton and Leonardo Enzo Brito da Silva and Sasha Petrenko and Donald. C. Wunsch},
journal= {arXiv preprint arXiv:2503.07641},
year = {2025}
}