CMAC算法收敛性分析及泛化能力研究

• 作者: 何超 张宇河 徐立新
• 来源期刊: 控制与决策
• 学科: 工学
• 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
• 年，卷（期）: 2001,（5）
• 所属期刊栏目: 论文与报告
• 页码范围: 523-529,534
• 页数: 8页
• 分类号: TP18
• 字数: 6467字
• 语种: 中文
• DOI: 10.3321/j.issn:1001-0920.2001.05.003

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张宇河	北京理工大学自动控制系	63	1094	18.0	32.0
2	何超	北京理工大学自动控制系	26	399	14.0	19.0
3	徐立新	北京理工大学自动控制系	47	433	11.0	18.0