新兴技术 自适应共振理论 (ART)

自适应共振理论 (ART) 是一种特殊的哲学，用于推动无监督人工神经网络模型。它使用特定的架构，通常在某些类型的神经网络中很有用，以尝试建立新的学习能力，同时保持现有的基本模型。

许多人将 ART 网络的大部分设计归功于 Stephen Grossberg 和 Gail Carpenter 以及他们在 1980 年代的工作。另一个影响是 Kohonen 的自组织网络。

专家将适应性共振理论描述为在不牺牲现有模式知识的情况下对新学习保持开放态度的部分努力——因此有了“适应”和“共振”这两个词。ART 网络的一个关键部分是一个分类器，它将输入与存储的模式进行比较。

看待 ART 的一种方式是它试图解决稳定性-塑性困境或 SPD。简而言之，这种困境基于系统通过无关事件保持静态的能力，同时适应需要可塑性的相关和重要事件。理解稳定性-可塑性困境是理解 ART 以及如何在神经网络设计中使用它的关键途径。

专家们谈论评估“期望”并利用矢量匹配系统开始通过无监督的神经网络架构完成一些高级认知工作。