1、在神經網絡的競爭學習過程中,自適應諧振理論(Adaptive Resonance Theory,ART)網絡解決了傳統(tǒng)神經網絡的穩(wěn)定性與可塑性之間的矛盾,即在ART網絡的學習過程中,網絡可以穩(wěn)定地學習新知識,也可以對已學習的知識做出很好的處理.值得一提的是,有監(jiān)督ART網絡作為一種有效的分類器,有著成功的應用實例和廣泛的應用前景.本文提出了一種基于沖量權值的ART(Impulse Force Weight based Adaptive

2、Resonance Theory)網絡,其目的是針對現有的有監(jiān)督ART網絡模型中沒有考慮輸入屬性重要性的情況,通過對網絡部分節(jié)點分配沖量權值,然后根據沖量權值對節(jié)點匹配度的作用,體現不同屬性對分類結果的不同影響,提高了預測精度.研究方案中采用了遺傳算法的優(yōu)化機制,對沖量權值迭代優(yōu)化,然后反饋回網絡,用于提高網絡的預測性能.通過與其他有監(jiān)督ART網絡的比較實驗,驗證了基于沖量權值的ART網絡的有效性.根據網絡的結構特點,本文還提出了有效的