超闭球CMAC的性能分析及多CMAC结构

被引：12

作者：

段培永

任化芝

邵惠鹤

机构：

[1] 山东建筑工程学院自动化系!济南,山东建筑工程学院自动化系!济南,上海交通大学自动化系!上海

来源：

自动化学报 | 2000年 / 04期

关键词：

CMAC; 神经网络; 泛化能力; 学习精度;

D O I：

10.16383/j.aas.2000.04.022

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

如何选择合适网络参数是传统 CMAC(Cerebellar Model Articulation Controller)应用中的一个难题 .采用泛化均方差 (GMSE)和学习均方差 (L MSE)来分别评价超闭球 CMAC的泛化能力与记忆精度 ,并引入权调整率的概念 ,来研究 CMAC结构参数与学习性能的关系 .研究结果表明 ,在样本分布和量化级数不变时 ,泛化均方差和学习均方差是权调整率的非增函数 .因此超闭球 CMAC在满足存储空间和计算速度的要求下尽量使得权调整率较大 .还提出了并行CMAC结构以进一步提高单个超闭球 CMAC的非线性逼近能力 .仿真结果证明了该方法的有效性

引用

页码：563 / 567

页数：5