CMAC算法收敛性分析及泛化能力研究
来源期刊:控制与决策2001年第5期
论文作者:何超 徐立新 张宇河
文章页码:523 - 1063
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;
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
何超,徐立新,张宇河
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
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;