A recognition system of the self-organizing artificial neural network type
is arranged to classify input data according to stored categories which
have been determined by a training process. In the training process the
initial category representations are selectively iteratively updated in
response to a series of training patterns and in accordance with a
competitive learning routine. this routine uses measures of category
utilization based on the proportion of all inputs received over a
representative period, particularly long term utilisation and short term
utilization, to ensure that all available categories will be used and that
the system is stable. The training rate which determines the amount of
modification to a category representation at an up-date is local to each
category and is based upon the maturity of the category and on the
similarity measure between the internal representative pattern and the
training input so that the training duration can be minimized. A
user-operated selectively-operable suggestion learning input is provided
to each category to modify the training process or to enable secondary
training to proceed during classification of input data using that input
data as the training patterns. The categories are represented by multiple
reference patterns with respective importance values from which the degree
of compatibility between an input and a category is computed taking into
account the importance values.
Аранжированы, что классифицирует система опознавания self-organizing искусственного типа нервной системы входные данные согласно, котор хранят категориям были обусловлены процессом тренировки. В процессе тренировки первоначально представления категории селективно итеративно уточнены in response to серия картин тренировки а в соответствии с конкурсным учя режимом измерения польз этот режим, котор использования категории основали на пропорции всех входных сигналов получил над репрезентивным периодом, определенно долгосрочным использованием и скоро использованием термине, для того чтобы обеспечить что все имеющиеся категории будут использованы и что система стабилизирована. Тариф тренировки обусловливает количество изменения к представлению категории на up-date местный к каждой категории и основан на зрелости категории и на измерении сходства между внутренне репрезентивной input картиной и тренировкой так, что продолжительность тренировки можно уменьшить. Снабжены, что каждая категория дорабатывает процесс тренировки или позволяет потребител-rabotaemy1 входной сигнал селективн-de1stvuh5ego предложения учя вторичную тренировку продолжать во время классифицирования входных данных использующ те входные данные как картины тренировки. Категории представлены множественными картинами справки с соответственно значениями важности от вычислен степень совместимости между входным сигналом и категорией учитывая значения важности.
