CMAC算法收敛性分析及泛化能力研究

被引：24

作者：

何超

徐立新

张宇河

不详

机构：

[1] 北京理工大学自动控制系

[2] 北京理工大学自动控制系北京

[3] 北京

来源：

控制与决策 | 2001年 / 05期

关键词：

CMAC; 神经网络算法; 批量学习; 增量学习; 收敛性; 泛化能力;

D O I：

10.13195/j.cd.2001.05.12.hech.003

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

利用矩阵理论和线性方程组迭代收敛的一般性原理 ,在不附加特殊条件的情况下 ,证明了CMAC算法在批量和增量两种学习方式下的收敛定理 ,对在关联矩阵正定条件下得出的结论进行推广和改进。在此基础上提出一种学习率自寻优的 CMAC改进算法 ,并提出一种简单可行的评价 CMAC网络整体泛化性能的指标。通过计算机仿真验证了收敛定理的正确性和改进算法的优越性 ,并研究得出了CMAC网络各个参数对其泛化性能影响的相关结论

引用

页码：523 / 529+534 +534

页数：8

共 5 条

[1] 神经计算中坐标变换的网络模型(CMAC)的泛化特性 [J].

欧阳楷 ;

陈卉 ;

周萍 ;

周琛 .

自动化学报, 1997, (04) :45-51

[2] CMAC学习过程收敛性的研究 [J].

罗忠 ;

谢永斌 ;

朱重光 .

自动化学报, 1997, (04) :25-31

[3]

人工神经网络理论及应用[M]. 浙江科学技术出版社 , 张铃, 1997

[4]

数值计算方法[M]. 北京理工大学出版社 , 丁丽娟编著, 1997

[5]

矩阵分析[M]. 北京理工大学出版社 , 史荣昌编著, 1996

← 1 →