Việc phân lớp UAG chính là việc nhóm các UAG có điều kiện QoS tương
đồng nhau. Theo phần 2.1 ở trên điều kiện QoS có thể được đại diện bởi: Tỉ lệ mất gói, độ trễ, biến thiên độ trễ (jitter). Trên cơ sở các kết quảđã nghiên cứu, Weber và các đồng sự cung cấp cơ chế cho phép phân lớp UAG dựa trên các thông tin gồm tỉ
lệ mất gói, độ trễ, biến thiên độ trễ. Để so sánh các thông tin QoS này, từ đó phân lớp người dùng trong mạng NGN, mạng nơ-ron nhân tạo được xem là phù hợp nhất. Vì các giá trị cần so sánh và phân lớp là các giá trị tương tự, nên mạng nơ-ron nhân tạo ART-2 (Adaptive Resonance Theory) được lựa chọn áp dụng trong framework này.
ART-2 là mạng nơ-ron theo kiểu học không giám sát được dùng để phân lớp các đối tượng. Nó gồm hai thành phần: thành phần trung tâm (attention subsystem) và thành phần định hướng (orienting subsystem). Thành phần trung tâm gồm khu vực đóng vai trò làm bộ nhớ ngắn hạn (sự kiện) cho các đặc điểm của các đối tượng cần phân lớp (STM-F1) và khu vực đóng vai trò làm bộ nhớ ngắn hạn (kết luận) cho các phân lớp (STM-F2), cũng được gọi là tầng F1 và tầng F2. Cấu trúc cơ bản của ART-2 được chỉ ra trong Hình 3.1, trong đó n là số phân lớp được tạo ra trong tầng F2, Wij và Wji là bộ nhớ dài hạn (cơ sở tri thức), tham số vigilance
ρlà giá trịđo sự tương đồng giữa mẫu đầu vào với các phân lớp có trong hệ thống. Giá trị ρ(ρ∈(0,1)) là giá trị phải được thiết lập ngay khi hệ thống ART-2 làm việc, và nó có tác động tới việc bao nhiêu phân lớp cho các mẫu cần phân lớp. Nếu
ρ=1 thì mỗi mẫu cần phân lớp chính là một lớp, ngược lại nếu ρ=0 thì toàn bộ
mẫu sẽ thuộc cùng một lớp. Cụ thể hơn, ρ dùng để đo sự tương tự giữa mẫu đầu vào và các đại diện cho các phân lớp hiện có trong hệ thống, ρ càng cao thì việc phân lớp các chi tiết, càng nhiều phân lớp được tạo ra, ngược lại ρ càng thấp thì càng ít phân lớp được tạo ra. Các kết quả nghiên cứu trước đây cho thấy giá trị ρ
ART-2 dùng luật cạnh tranh “kẻ chiến thắng sẽ lấy tất cả”. Khi một mẫu vào trong hệ thống, nó sẽđi vào thành phần trung tâm. Kết quả của tầng F1 là đầu vào của F2, và sẽ kích hoạt việc cạnh tranh giữa các nút (đại diện cho các phân lớp) trong tầng F2.
Hình 3.4. Mô hình kiến trúc mạng nơ-ron ART-2 (Nguồn: Jiang-Bo Yin và Hong- Bin Shen, 2011)
Nút có giá trị kích hoạt cao nhất trong tầng F2 được chọn là giá trị chọn lựa
đầu tiên được so sánh với mẫu đầu vào trong thành phần định hướng để xem xét nó có thuộc phân lớp của nút này không. Nếu so sánh thấy khớp tại giá trị ρ thì nút
được chọn lựa đầu tiên sẽđược xem như là nút chiến thắng và nó sẽđược cập nhật mẫu đầu vào vừa so sánh vào trong phân lớp mà nó đại diện. Ngược lại, sẽ xem xét các nút có giá trị kích hoạt cao thứ hai, thứ ba, … xem nó có phải là nút được so khớp với mẫu đầu vào hay không. Trong trường hợp không có nút nào thỏa mãn tại
giá trị ρ thì hệ thống sẽ tạo ra một nút mới đại diện cho một phân nhóm mới chứa mẫu đầu vào. Chi tiết về giải thuật có thể xem trong [13].