Về cơ bản mạng HTM-SBN và HTM-OBN có cùng chung cấu trúc, sử dụng mạng HTM như một nền tảng để huấn luyện và phán đoán. Mạng HTM-SBN và HTM-OBN được xem là hướng không gian và hướng đối tượng trong tập trung thị giác. HTM-OBN được dùng để nhận dạng những bộ phận riêng biệt của đối tượng trong khi HTM-SBN được dùng để nhận dạng các kết hợp đa bộ phận của đối tượng.
Đối với huấn luyện mạng HTM, ảnh đầu vào được chọn từ tập ảnh huấn luyện. Những ảnh huấn luyện là đa bộ phận được dùng để huấn luyện HTM-SBN trong khi là đơn bộ phận đối với HTM-OBN.
Mỗi đối tượng có một mạng HTM-OBN và HTM-SBN theo cùng. Khi ảnh được kiểm tra bằng mạng HTM, kết quả đầu ra là một vector phán đoán. Mỗi thành phần trong vector bao gồm giá trị niềm tin và tên thành phần phán đoán. Đối tượng được nhận dạng chính xác là kết quả đầu ra của mạng, là thành phần vector có giá trị niềm tin cao nhất.
Ứng với mạng HTM-OBN, giả sử đối tượng O có k bộ phận và kết quả đầu ra của mạng là v p1p2..pk . Bộ phận được nhận dạng đúng nhất của một bộ phận P được tính theo công thức:
Belief p t k
P
Đối với mạng HTM-SBN, giả sử đối tượng O có k kết hợp các bộ phận và kết quả đầu ra của mạng là vc1c2..ck. Kết hợp bộ phận được nhận dạng đúng của một kết hợp đầu vào C được tính theo công thức:
Belief c t k
C
SBNO( )max ( t), 1.. (11)
Một ví dụ về huấn luyện và nhận dạng kiểm tra đối tượng bằng mạng HTM-SBN và HTM-OBN được thể hiện trong Hình 5-6 và Hình 5-7.
HTM-SBN “Computer
”
Huấn luyện tập ảnh đa bộ phận Kết quả đầu ra của 1 tấm ảnh
sau huấn luyện
Hình 5-6: Huấn luyện và nhận dạng các kết hợp của “Computer” bằng HTM-SBN
HTM-OBN “Computer”
Huấn luyện tập ảnh đơn bộ phận
Kết quả đầu ra của 1 tấm ảnh sau huấn luyện
Hình 5-7: Huấn luyện và nhận dạng các bộ phận của “Computer” bằng HTM-OBN