《一种提高CMAC神经网络收敛性的改进算法.》.pdfVIP

第 39卷 第 7期 西 南 师 范 大 学 学 报 (自然科学版) 2014年 7月 Vo1．39 No．7 JournalofSouthwestChinaNormalUniversity(NaturalScienceEdition) Ju1． 2014 一 种提高 CMAC神经网络收敛性的改进算法① 郭 红 军 焦作师范高等专科学校 ，河南 焦作 454002 摘要 ：为了克服 CMAC(CerebellarModelArticulationController)算法收敛不稳定 问题 ，该文提 出了一种 提高 CMAC神经网络收敛性的改进算法．首先将收敛条件扩展到一般情况，得出了当量化区问内训练样本均匀分布且 学习速率不恒为 1时 ，得到 CMAC收敛 的频域条件 ，分析并证 明了学习速率对收敛范 围的影响，并 以此为基础提 出改进算法．改进前后 的算法进行对 比仿真，结果表 明改进算法能大大提高 CMAC收敛过程 的稳定性．改进算法 用于克服 CMAC的收敛不稳定性问题是可行 的、有效 的． 关 键 词 ：CMAC；频域收敛 ；串行学习；学习速率 中图分类号 ：TP393 文献标志码 ：A 文章编号 ：1000—5471(2014)7—0115一O6 CMAC(CerebellarModelArticulationController)神经网络是 由Albus_】]在 1975年提 出来 的，由于其 具有局域泛化能力强，学习速度快 ，易于软硬件实现等优点，因此在信号处理 、模式识别 、非线性 函数逼 近、机器人控制等领域得到了广泛的应用_l2]． 目前 ，已有大量 CMAC相关 的研究成果 ，但是在实际的应用过程中也出现了一些问题．CMAC的收敛 性一直是检测其性能的一大指标．在文献E4]中对 CMAC网络的收敛性进行了详细的分析，并得 出当采用 增量学 习法且学习率为 1时，CMAC算法具有收敛性的结论．在文献 [5]中，作者在前人所做研究的基础 上 ，对 CMAC 的收敛性作 了进一步的研究，但是其得 出的结论都具有局 限性．文献 [6]用不 同方法对 CMAC的收敛性进行了分析，但结论都是在关联矩阵正定的特殊条件下得到的．文献[7]证明了CMAC算 法在批量和增量两种学习方式下的收敛定理 ，并 以此为理论依据 ，提出一种学习率 自寻优 的CMAC改进算 法，但该方法 的分析过程仍不具有一般性． 针对 CMAC收敛局限性的问题 ，本文将 CMAC的频域分析扩展 到了更一般的情况，即训练样本在量 化区间上均匀分布且学习速率不恒为 1，得出了相应的频域收敛条件，并且分析了学习速率对 CMAC收敛 性的影响．在此基础上提出了一种改进算法，并通过仿真证明了改进算法能改善 CMAC收敛的稳定性． 1 CMAC神经网络及其学习的实质 CMAC神经网络的基本构成包括f6]：M 维输入空间s，N维关联列矢量A，与关联矢量 A对应的权矢 量w ，R维输 出空间P．输入空间中的点S首先被映射到关联矢量A．A 由式(1)来定义 ，其中有C个单元被 激活 ，c表示网络泛化参数．网络的输出如式 (2)所示 ，其表示被激活单元中所存权值的总和，采用式 (3)对权 值进行迭代．为便于分析 ，本文只考虑一维输入与一维输 出的情况 ，且不采用杂凑编码． ，1 ==={0 其竺他嚣第个单元被第个样本激活 1≤～≤』＼， (1) ① 收稿 日期 ：2013—12—11 作者简介 ：郭红军 (1973一)，男 ，河南焦作人 ，讲师 ，主要从事现代教育技术及计算机应用技术研究 116 西南师范大学学报 (自然科 学版) 第 39卷 Y 一A ·W一∑ ，W (2) J_一1 Wj(z+1)==