CMAC神經(jīng)網(wǎng)絡(luò)概念映射及學習算法研究與應(yīng)用.pdf

1、隨著Internet在線分類購物、彩色打印等應(yīng)用普及，彩色圖像作為信息載體，越來越受到重視。當一幅彩色圖像經(jīng)過若干操作平臺或圖像設(shè)備后，往往會造成顏色損失，如何使得到的彩色打印或顯示與原稿相一致，實現(xiàn)圖像色彩一致性，是色彩匹配（Color Matching）研究的核心內(nèi)容，也是彩色信息處理領(lǐng)域的一項重要技術(shù)難題。國際ICC（International Color Consortium）Profile定義的多維色彩查找表是解決色彩一致性問

2、題的國際通用標準方法。但是，由于空間受限，色彩查找表只包含部分色彩信息，對于表中不存在的色彩輸入數(shù)據(jù)，需要利用插值的方法來解決。而色彩匹配涉及到不同顏色空間的高維非線性轉(zhuǎn)換，因此擁有非線性映射特性及高速并行處理能力的神經(jīng)網(wǎng)絡(luò)顯得比較合適。本文采用CMAC（Cerebellar Model Articulation Controller Neural Network，小腦模型關(guān)節(jié)控制器）神經(jīng)網(wǎng)絡(luò)來實現(xiàn)色彩查找表的插值任務(wù)，并取得了很好的效

3、果。
　　CMAC神經(jīng)網(wǎng)絡(luò)采用查表技術(shù)，學習速度快、局部泛化能力強、易于硬件實現(xiàn)，適用于計算量大，要求學習速度快的機器人控制、模式識別、信號處理和色彩匹配等領(lǐng)域。
　　但是，CMAC神經(jīng)網(wǎng)絡(luò)本身存在一些缺陷，如學習精度不高、因為地址碰撞問題產(chǎn)生噪聲，沒有全局泛化能力等，在一定程度上限制了CMAC神經(jīng)網(wǎng)絡(luò)的發(fā)展和在某些領(lǐng)域的應(yīng)用。因此，研究CMAC神經(jīng)網(wǎng)絡(luò)的改進算法顯得十分重要和必要。
　　本文研究CMAC神經(jīng)網(wǎng)絡(luò)的改進

4、算法，主要包括概念映射方法改進和學習算法改進兩方面。提出了一種新的基于主（反）次對角線的概念映射方法，該方法能夠在有限的存儲空間內(nèi)獲得不錯的學習精度和泛化能力。此外，結(jié)合新的概念映射方法，對B樣條CMAC和模糊CMAC神經(jīng)網(wǎng)絡(luò)進行了拓撲結(jié)構(gòu)改進。通過仿真實驗證明，改進后的兩種神經(jīng)網(wǎng)絡(luò)性能都得到了提高。此外，利用基于信度（Credit Assignment）分配的學習算法對CMAC神經(jīng)網(wǎng)絡(luò)的LMS（Least Mean Square，最小