超闭球CMAC的性能分析及多CMAC结构

• 作者: 任化芝 段培永 邵惠鹤
• 来源期刊: 自动化学报
• 学科: 工学
• 关键词: CMAC 神经网络 泛化能力 学习精度
• 年，卷（期）: 2000,（4）
• 所属期刊栏目: 短文
• 页码范围: 563-567
• 页数: 5页
• 分类号: TP2
• 字数: 1959字
• 语种: 中文

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(LMSE)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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵惠鹤	上海交通大学自动化系	327	7662	43.0	72.0
2	段培永	山东建筑工程学院自动化系	66	588	13.0	21.0
3	任化芝	山东建筑工程学院自动化系	4	32	2.0	4.0