十一章小脑模型神经网络指导分析.pptVIP

第十一章 小脑模型（CMAC）  神经网络 ;第十一章 小脑模型（CMAC） 神经网络 ; 11-2-1 概念映射（U——AC） ;11-2-2 实际映射（AC——AP） ;11-2-3.杂散存储 ;11-3 CMAC算法及程序语言描述; 11-3-2 学习算法分析 ;;11-4 CMAC网络的泛化能力;11-4-1 CMAC网络泛化指标;11-4 CMAC网络的泛化能力;11-4 CMAC网络的泛化能力; 格雷码(英文：Gray Code，又称作葛莱码，二进制循环码)是1880年由法国工程师Jean-Maurice-Emlle Baudot发明的一种编码，是一种绝对编码方式，典型格雷码是一种具有反射特性和循环特性的单步自补码，它的循环、单步特性消除了随机取数时出现重大误差的可能，它的反射、自补特性使得求反非常方便。函数真实值如下图所示。 ;1） CMAC的逼近原理：用分段超平面，拟合非线性超曲面。 2） 因是局部网络，每次学习调整的权数为c个，故学习速 度快，不存在局部极小。 3??? 泛化能力与c有关，c增大，泛化能力增强。相近的输入，有相近的输出（ 在无碰撞情况下）。 4） 决定网络性能的主要参数：泛化常数c；相邻输入间的重叠程度；输入的量化级。影响到逼近精度、泛化能力和学习速度。 5） 为提高量化分辨率和泛化能