马克威ART1神经网络
马克威操作说明
以数据文件“马克威通用数据1.mkw”为例，演示ART1神经网络算法的分析过程。首先，在工作区内，打开建模分析工作流：“机器学习”→“神经网络”→“ART1神经网络”，接着选择数据源，然后设置算法参数。设置好参数的界面如下所示：添加变量到“已选变量表”，调整警觉度为0.5，最大迭代次数为5000，字段选取为：P1、P2、P3、P4.并要求显示聚类信息，最后双击运行按钮。
ART1神经网络-属性设置
选项说明
警觉度：用于控制分类的精度，取值在范围0~1之间，系统默认为0.5。需要注意的是，精度过大，有可能会造成算法不能收敛或运行时间过长。
最长运行时间：指定该算法运行的最长时间，如果运算的时间达到该指定时间时则强制跳出，并认为该算法失败，不输出运算结果。在该下拉列表中，系统提供了以下八种设置：10分钟、1小时、2小时、7小时、1天、2天、7天和不限时。其中“不限时”为系统默认项。
最大迭代次数：用于控制计算。当算法迭代到最大迭代次数时，如果此时算法未收敛，则跳出循环。
显示聚类信息：要求输出聚类信息。
双击“运行”节点，得到ART1神经网络的运行结果如下：
ART1神经网络-树形结果列表
ART1神经网络-分析结果
数据要求
输入变量类型：模型的输入样本的各维数据都是布尔值。
算法用途
ART1神经网络可以根据输入的数据，作无监督学习，自动形成和自动确定数据类别。该算法主要对布尔类型的数据聚类。
算法原理
ART1模型（即自适应共振理论模型，由美国Boston大学Stephen Gossberg等人提出）是一种竞争学习网络，能实现自稳定和自组织识别。竞争学习是指同一层神经元上的各个神经元相互之间进行竞争，竞争胜利的神经元修改与其相连的联接权值。
系统中，要求模型的输入样本的各维数据都是布尔值，在训练之初各网络权值都是0~1之间的随机数，网络也是不稳定的，通过训练改变权值，最后使得网络稳定从而完成分类。
结果与解释
输出结果：
ART1神经网络分析结果：列出每条记录所属的类。
聚类图：以记录号为横坐标，聚类号为纵坐标的聚类图。