关于一般存储器神经网络的学习收敛性研究

本文在一类称为一般存储器神经网络(generalmemoryneuralnetwork(gmnn))的统一框架下来研究学习收敛性。该一般模型类的结构由三部分组成：输入空间量化、存储器地址产生器、查表式某种组合输出。当产生的地址是固定有限的个数以及网络输出是线性求和时，可以证明gmnn能在最小平方误差意义下收敛。cmac(cerebellarmodelarticulationcontroller)、sllup(single—layerlookupperceptrons)是该类模型的典型代表