论文部分内容阅读
针对CMAC网络在输入维数高、量化间距小、样本数量多的情况下导致虚拟存储空间过大的问题，提出一种改进的基于多维存储结构的B样条CMAC网络概念映射方法，无需增加虚拟空间到物理空间的hash映射，避免了地址碰撞问题，与其他映射方法相比，由于该方法只映射量化空间中少量的有规律的地址单元，使得该映射方法实际所需虚拟地址空间远小于其他方法，从而在存储空间受限情况下，可以显著提高网络的学习精度和泛化能力．仿真试验结果表明，在新的映射方法下，B样条CMAC比常规CMAC学习精度高，学习速度快，泛化能力强，对相同结构的