文献类型：期刊文章

作　　者：段培永[1] 任化芝[1] 邵惠鹤[2]

机构地区：[1]山东建筑工程学院自动化系,济南250014 [2]上海交通大学自动化系,上海200030

出　　处：《自动化学报》

年　　份：2000

卷　　号：26

期　　号：4

起止页码：563-567

语　　种：中文

收录情况：BDHX、BDHX1996、CSCD、CSCD2011_2012、EI、INSPEC、JST、MR、SCOPUS、ZGKJHX、ZMATH、核心刊

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 .

关 键 词：CMAC 神经网络 泛化能力 学习精度  

分 类 号：TP18]