精选优质文档-倾情为你奉上ART-1网络前馈型神经网络完成训练后，即可投入正常的运行。若在使用过程中环境发生了变化，则需要重新构造一个能表现当前环境的样本集，并运用该样本重新对网络进行训练。在这种情况下，不能只用变化后新加的样本对网络进行“补充”训练，这样会破坏网络原有的知识，而只记下新的内容。即网络长期存储的内容只是它最后获得训练时系统所面对的样本集所蕴含的内容。网络的这种不能在保留已学内容的前提下增加新内容的特性称为网络的不可塑性。在面对一些表示新添内容的样本时，如果真正能够只修改一部分内容，这样才有希望在保证不破坏原存储信息的基础上将新的内容增加进去。也就是说，在将样本中所含内容存入网络时，不能再像一般前向型网络那样，实施完全分布的存放，即存放是分类的。要使网络具有可塑性，必须实现以下功能：（1）对样本的分类功能；（2）分类的识别功能；（3）比较功能；（4）类的建立功能。Carpenter和Grossberg在1986年给出了一个特殊的例子：4个样本组成样本集。这4个样本被周期性地提交给网络，网络不断地修改各个权值去适应环境的变化。但是
