Teoría de resonancia adaptativa (ART)
Problema 19.1
i)
% cuidado con la notación de Hagan
ecudif1 = epsilon * diff(n1,t) == ...
-n1 + (b_ma - n1).*(p + W21*a2) - (n1+b_me).*W1*a2
ecudif1(t) =

cond = [n11(0)==0;n12(0)==0];
[n11s,n12s]=dsolve(ecudif1,cond)
n11s =

n12s =

La salida es [0 1]'
ii)
Si se satisface (las condiciones de los bias se satisfacen)
Problema 19.2
i)
f2 = @(n) 10*n.^2.*(n>=0);
sis = @(t,n2) [(-n2(1) + (2-n2(1)).*(f2(n2(1)) + [0.5 0.5]*a1)-(n2(1)+2)*f2(n2(2)))*10;...
(-n2(2) + (2-n2(2)).*(f2(n2(2)) + [1 0]*a1)-(n2(2)+2)*f2(n2(1)))*10];
[t,n2s] = ode45(sis,tin,n20);
plot(t,n2s(:,1),'r',t,n2s(:,2),'b')
La salida es [0 1]'
Al comparar con el ejemplo del capítulo
- La velocidad de respuesta aumenta
- El rango de la respuesta aumenta ([-2 2])
- Los valores en estado estaacionario son más cercanos a los límites
ii)
En estado estacionario (cuidado Hagan lo tiene al reves)
Que coinide con
Problema 19.3
i)
W0ma = [alpha alpha alpha];
ecudif1 = epsilon * diff(n0,t) == ...
-n0 + (b_ma - n0)*(W0ma*p) - (n0+b_me)*W0me*a1
ecudif1(t) =

n0s=dsolve(ecudif1,cond)
n0s =

por lo que no se mandará el reset
ii)
El estado estacionario
Para el problema
lo cual coincide con el resultado del apartado anterior.
Problema 19.4
La regla de aprendizaje L2:L1
Se toma la aproximación
Se sustituye despeja
es equivalente a la estructura outstar.
Problema 19.5
W12 = [w12_ij w12_ij w12_ij;
w12_ij w12_ij w12_ij]
0.5000 0.5000 0.5000
0.5000 0.5000 0.5000
0.5000 0.5000 0.5000
% 1. repuesta de la capa 1
% 2. entrada de la capa 2
Como es empate se toma el promer indice
% 3. Se calcula la espectativa L2-L1
w21 = W21*a2 %se rescata la primer columna por la forma de a2
% 4. Se calcula la salida de la capa 1
a1 = double(a1) % operatividad matlab
% 5. Sistema de orientacion (parecido entradas y espectativas)
norm(a1)^2/norm(p1)^2 < rho % no hay reset
Como no hay reset se va al paso 7
%7. ocurre resonancia se actualiza la fila 1 de W12
W12(1,:) = 2*a1./(2 + norm(a1)^2 - 1)
0 1.0000 0
0.5000 0.5000 0.5000
0.5000 0.5000 0.5000
%8. Se actualiza la columna 1 de W21
9. Se remueve p1, y se regresa al paso 1 con p2
% 1. repuesta de la capa 1
% 2. entrada de la capa 2
Como es empate se toma el primer indice ganador
% 3. Se calcula la espectativa L2-L1
w21 = W21*a2 %se rescata la segunda columna por la forma de a2
% 4. Se calcula la salida de la capa 1
a1 = double(a1) % operatividad matlab
% 5. Sistema de orientacion (parecido entradas y espectativas)
norm(a1)^2/norm(p2)^2 < rho % no hay reset
Como no hay reset se va al paso 7
%7. ocurre resonancia se actualiza la fila 2 de W12
W12(2,:) = 2*a1./(2 + norm(a1)^2 - 1)
0 1.0000 0
1.0000 0 0
0.5000 0.5000 0.5000
%8. Se actualiza la columna 2 de W21
9. Se remueve p2, y se regresa al paso 1 con p3
% 1. repuesta de la capa 1
% 2. entrada de la capa 2
Como es empate se toma el primer indice ganador
% 3. Se calcula la espectativa L2-L1
w21 = W21*a2 %se rescata la primer columna por la forma de a2
% 4. Se calcula la salida de la capa 1
a1 = double(a1) % operatividad matlab
% 5. Sistema de orientacion (parecido entradas y espectativas)
norm(a1)^2/norm(p3)^2 < rho % no hay reset
Como no hay reset se va al paso 7
%7. ocurre resonancia se actualiza la fila 1 de W12
W12(1,:) = 2*a1./(2 + norm(a1)^2 - 1)
0 1.0000 0
1.0000 0 0
0.5000 0.5000 0.5000
%8. Se actualiza la columna 1 de W21
Se completa el entrenamiento (ya no habrá cambios).
Problema 19.6
El entrenamiento es el mimo del probelma anterior, hasta antes de p3, escribimos los pesos en ese momento y continuamos el entrenamiento.
W12 = [0 1 0;1 0 0;0.5 0.5 0.5];
W21 = [0 1 1;1 0 1;0 0 1];
% 1. repuesta de la capa 1
% 2. entrada de la capa 2
Como es empate se toma el primer indice ganador
% 3. Se calcula la espectativa L2-L1
w21 = W21*a2 %se rescata la primer columna por la forma de a2
% 4. Se calcula la salida de la capa 1
a1 = double(a1) % operatividad matlab
% 5. Sistema de orientacion (parecido entradas y espectativas)
norm(a1)^2/norm(p3)^2 < rho % hay reset
Hay reset,
hasta que qeu ocurre match (resonancia), se regresa al paso 1. % 1. repuesta de la capa 1
% 2. entrada de la capa 2
Como la neurona 1 esta inhibida se toma la neurona 2.
% 3. Se calcula la espectativa L2-L1
w21 = W21*a2 %se rescata la segunda columna por la forma de a2
% 4. Se calcula la salida de la capa 1
a1 = double(a1) % operatividad matlab
% 5. Sistema de orientacion (parecido entradas y espectativas)
norm(a1)^2/norm(p3)^2 < rho % hay reset
Hay reset,
hasta que ocurre match (resonancia), se regresa al paso 1. % 1. repuesta de la capa 1
% 2. entrada de la capa 2
Como la neurona 1 y 2 estan inhibidas, se toma la neurona 3.
% 3. Se calcula la espectativa L2-L1
w21 = W21*a2 %se rescata la tercera columna por la forma de a2
% 4. Se calcula la salida de la capa 1
a1 = double(a1) % operatividad matlab
% 5. Sistema de orientacion (parecido entradas y espectativas)
norm(a1)^2/norm(p3)^2 < rho % no hay reset
Como no hay reset se va al paso 7
%7. ocurre resonancia se actualiza la fila 3 de W12
W12(3,:) = 2*a1./(2 + norm(a1)^2 - 1)
0 1.0000 0
1.0000 0 0
0.6667 0.6667 0
%8. Se actualiza la columna 3 de W21
Se completa el entrenamiento (ya no habrá cambios). Cuando el parámetro de vigilancia es cercano a uno, se utilizan mñas categorias. Cuando la vigilancia es cercana a cero, varisos patrones de entrada se incorporan dentro del mimso prototipo.
Problema 19.7
es de 23x3 de unos (3 categorias)
es de 3x25 normalizada con el valor 
- Las entradas (fia por fila) azules valen 1.
App
ART1 Layer 1
ART1 Layer 2
Orienting Subsystem
ART1
Referencias
El material se toma del libro de Martin Hagan et. al. enlace