Developing a modified neural network of adaptive resonance theory for solving image recognition problems

Abstract

В данной работе рассматривается искусственная нейронная сеть адаптивной резонансной теории АРТ-1, предназначенная для распознавания черно-белых изображений. В ходе исследования архитектуры и алгоритма функционирования выявлены и проанализированы проблемы, которые могут возникать при применении АРТ-1. Предложены две модификации для решения проблемы высокой вычислительной сложности. Первая из модификаций обеспечивает увеличение производительности без изменения структуры сети. Вторая значительно изменяет структуру сети, но обеспечивает существенный прирост скорости. Проведено теоретическое сравнение предложенных модификаций друг с другом и с исходной нейронной сетью и выявлены возможные области применимости каждой из них. Проведено сравнительное тестирование исследуемых сетей на наборе изображений рукописных цифр, подтвердившее теоретические выводы.

This paper considers an artificial neural network of the adaptive resonance theory ART-1, designed to recognize black-and-white images. During the research of architecture and functioning algorithm, the problems which may arise in the application of ART-1 are identified and analyzed. Two modifications are proposed to solve the problem of high computational complexity. The first modification provides an increase in performance without changing the structure of the network. The second one changes significantly the structure of the network, but provides an essential speed boost. The proposed modifications are compared theoretically with each other and with the original neural network and possible areas of applicability of each of them are identified. A comparative testing of the networks is conducted on a set of images of handwritten digits, the results of it confirms the theoretical conclusions.