ART (Automated Reasoning Tool and Adaptive Resonance Theory) - cognitive architectures and models, developed under Stephen Grossberg and Gail Carpenter, Department of Cognitive and Neural Systems (Center for Computational Neuroscience and Neural Technology - CompNet), Center for Adaptive Systems (CAS) at Boston University, Boston, MA, USA.
E-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра. | ART Home Page | Stephen Grossberg Home | CNS Tech Lab Home | Software Repository | Stephen Grossberg's Website - CNS Tech Lab - Boston University
Когнитивные нейросетевые архитектуры ART разрабатывались под руководством Стефена Гроссберга (Stephen Grossberg) в Центре адаптивных систем (Center for Adaptive Systems - CAS) и Отделе когнитивных и нейронных систем Бостонского университета, Бостон, Массачусетс, США.
Общие сведения
Язык представления знаний ART (ЯПЗ ART) был разработан в корпорации Inference Corporation в 1984 г. Полом Хейли (Paul Haley), научным руководителем направления по разработке инструментов автоматизации формулирования логических выводов (ART).
Позднее язык ART был расширен до языка Rete для поддержки:
логического программирования;
автоматической редукции цели на подцели и вывода от цели к фактам;
увеличения возможностей языка в процессе сопоставления с образцом;
произвольных процедурных функций и предикатов;
больших выразительных возможностей представления знаний;
логических Кванторов (не только таких как "и" и "не");
ряда других уточнений, не принадлежащих OPS5.
ART (Automated Reasoning Tool). Это не только язык представления знаний (ЯПЗ), но и определенное программное окружение, включающее редакторы, отладчики, трансляторы и модули управления.
Концепция «фреймы плюс продукции».
Входной язык системы ART весьма гибкий и обеспечивает использование фактов, схем, комбинаций этих понятий и правил.
Декларативную компоненту этого ЯПЗ составляют факты и схемы.
По определению, факт включает три основных компонента: Утверждение, значение истинности и точку зрения.
С каждым утверждением может быть связано одно из трех значений истинности true, false или unknown, а также определенные сферы его справедливости (контекста истинности), которое и называется точкой зрения.
Факты описываются экземплярами фреймов. Фреймы-прототипы в ART представляются схемами, каждая из которых описывает объекты и/или классы объектов с фиксированными свойствами. Механизмы наследования свойств при этом поддерживаются самой системой.
В целом ЯПЗ ART погружен в ЛИСП-среду и был первоначально реализован на ЛИСП-машинах.
ART-Enterprise – одна из последних сред разработки, основанных на правилах, ведущих начало от систем ИИ середины 1980-х гг. Это – среда разработки прикладных программ широкого применения, объединяющая в себе правила, объектно-ориентированную систему, которая содержит такие особенности, которые в настоящее время не представлены ни в C++, ни в языке Smalltalk; содержит большую совокупность классов объектов для разработки на различных платформах (от Windows до OS/2 и Unix), поддерживает доступ к базам данных (основанный на SQL- и ODBC-запросах) и мультизадачный режим доступа.
ART - Enterprise среда поддерживает обратный поиск решения от фактов к цели; можно также реализовать поиск решения от цели к фактам.
Adaptive resonance theory (ART) is a theory developed by Stephen Grossberg and Gail Carpenter on aspects of how the brain processes information. It describes a number of neural network models which use supervised and unsupervised learning methods, and address problems such as pattern recognition and prediction.
Types of ART:
ARTMAP Neural Networks:
- Inspired by biological neural networks, ARTMAP systems learn to associate arbitrary sequences of input/output pattern pairs
- With fast learning, ARTMAP can encode an input in a single presentation. Many alternative methods require thousands of training epochs.
- Fast learning lets ARTMAP networks do incremental learning, allowing an agent to interact with its environment in real time.
Publications
Books
CNS Articles
Tech Transfers
CNS Patents
Tech Transfer Patents
Gail A. Carpenter, Stephen Grossberg, A massively parallel architecture for a self-organizing neural pattern recognition machine, Journal: Graphical Models /graphical Models and Image Processing /computer Vision, Graphics, and Image Processing - CVGIP , vol. 37, no. 1, pp. 54-115, 1987.
Grossberg, S. (2013). Adaptive resonance theory. Scholarpedia,
http://www.scholarpedia.org/article/Adaptive_resonance_theory
Grossberg, S. (2013). Recurrent neural networks, Scholarpedia,
http://www.scholarpedia.org/article/Recurrent_neural_networks
