CMAC 算法收敛性分析及泛化能力研究

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。