ART神经网络Word文档格式.docx

1、private: double WbMAXCNEURONSMAXRNEURONS; / Bottom up weight matrix int WtMAXRNEURONSMAXCNEURONS; / Top down weight matrix InDataMAXPATTERNSMAXCNEURONS;/ Array of input vectors to be / presented to the network NumPatterns; / Number of input patterns double VigilThresh; / Vigilence threshold value do

2、uble L; / ART training const （see text） M; / # of neurons in C-layer N; / # of neurons in R-layer XVectMAXCNEURONS; / Current in vect at C-layer. CVectMAXCNEURONS; / Output vector from C-layer BestNeuron; / Current best R-layer Neuron Reset; / Active when vigilence has / disabled someone RVectMAXCNE

3、URONS; / Output vector from R-layer PVectMAXCNEURONS; / WeightedOutput vector from R-layer DisabledMAXRNEURONS; / Resets way of disqualifying neurons TrainedMAXRNEURONS; / To identify allocated R-Neurons void ClearPvect（）; ClearDisabled（）; RecoPhase（）; / Recognition phase CompPhase（）; / Comparison p

4、hase SearchPhase（）; / Search Phase RunCompLayer（）; / Calc comparison layer by 2/3 rule RunRecoLayer（）; / Calc recognition layers R-vect Rvect2Pvect（int）; / Distribute winners result Gain1（）; / Comp layer gain Gain2（）; / Reco layer gain double Vigilence（）; / Calc vigilence metric InitWeights（）; / Ini

5、tialize weights Train（）; / Weight adjustment is done herepublic: ARTNET（void）; / Constructor/initializations LoadInVects（char *Fname）; / load all data vectors Run（int i）; / Run net w/ ith pattern ShowWeights（）; / display top down and bottom up weights ShowInVect（）; / Display current input pattern Sh

6、owOutVect（）; / P-vector from Reco layer（see text）;/ -/ METHOD DEFINITIONSARTNET:ARTNET（）int i;L=2.0;N=MAXRNEURONS;for （i=0; iN; i+） /Set all neurons to untrained and enabled Trainedi=0; Disabledi=0; /* endfor */int ARTNET:LoadInVects（char *Fname）FILE *PFILE; i,j,k;PFILE = fopen（Fname,r）; if （PFILE=N

7、ULL） printf（nUnable to open file %sn,Fname）; exit（0）; fscanf（PFILE,%d,&NumPatterns）; /How many patternsM）; /get width of input vector%lfVigilThresh）;NumPatterns; i+） for （j=0; j=2） CVecti=1; else CVecti=0; /* endif */doubleVigilence（） double S,K,D;/ count # of 1s in p-vect & x-vectK=0.0;D=0.0; K+=CV

8、ecti; D+=XVecti;S=K/D;return S;RunRecoLayer（） int i,j,k; double NetMAXRNEURONS; int BestNeruon=-1; double NetMax=-1; /Traverse all R-layer Neurons Neti=0; j+） / Do the product Neti +=Wbij*CVectj; if （NetiNetMax） & （Disabledi=0） /disabled neurons cant win! BestNeuron=i; NetMax=Neti;for （k=0; k k+） if

9、 （k=BestNeuron） RVectk=1; / Winner gets 1 else RVectk=0; / lateral inhibition kills the restvoidRecoPhase（）/First force all R-layer outputs to zero RVecti=0; PVecti=0;/Now Calculate C-layer outputsRunCompLayer（）; /C-vector now has the resultRunRecoLayer（）; /Calc dot prod w/ bot up weight & CRvect2Pv

10、ect（BestNeuron）;CompPhase（） double S; /Cvector-dif between x & pS=Vigilence（）;if （S Cvect /Find a new winner with prev winners disabled Rvect2Pvect（BestNeuron）; /new pvect based on new winner S=Vigilence（）; /calc vigilence for the new guyVigilThresh） /check if he did ok if not disable him too /Curre

11、nt Best neuron is a good winner.Train him /* endwhile */if （BestNeuron!=-1） else /Failed to allocate a neuron for current pattern.Out of neurons in F2nClearDisabled（）;ClearDisabled（） ClearPvect（） Train（） int i,z=0; z+=CVecti; WbBestNeuroni=L*CVecti/（L-1+z）; WtBestNeuroni=CVecti;TrainedBestNeuron=1;R

12、un（int tp） int i,j;ClearPvect（）; XVecti=InDatatpi;RecoPhase（）;CompPhase（）;SearchPhase（）;InitWeights（） double b; / from R-neuron i / to C-neuron j Wtij= 1; / All initd to 1b=L/（L-1+M）; / from C-neuron i / to R-neuron j Wbij= b;ShowWeights（）printf（nTop Down weights:n if（Trainedi=1）%d ,Wtij）;nBottom up weights:%f ,Wbij）;ShowInVect（）BEST NEURON:%dnIN: ,BestNeuron）;,XVecti）;ShowOutVect（）OUT:,CVecti）;ARTNET ART;/* MAIN*/int main（int argc, char *argv） int TstSetSize;if （argc1）