问题，最常用的方法是把A当作一个虚拟存储区，通过散射编码映射到一个小得多的物理空间单元Ap中，从而减少存储空间。但是这种地址压缩技术随机性很强，会带来冲撞问题且不可避免。然而，对多维CMAC网络采用叠加处理法，不但可以大大减少占用的存储单元数，而且还可以避免地址压缩带来的冲撞现象，大大提高网络的映射精度和学习速度。

图2

2 实验及仿真结果

实验是在山东大学现代物流实验中心进行的。该机器人手眼系统由用于抓取物体的SK6机械手和用于视觉定位的Panasonic WV-CP410／G彩色摄像头组成。摄像头采集的图像是二维的，而机械手运动到某一位置需要六自由度坐标。因此必须把二维图像坐标转换成机器人运动空间的六维坐标，才能控制机器人运动到指定的空间位置，这就是机器人手眼系统位置控制问题。本文采用CMAC神经网络实现了这一坐标变换，并对其结果与BP网络进行了比较。

    本实验共采集到793个输入样本，选取CMAC网络的量化精度Q为1000，泛化参数C为80，学习步长η为0．30。图2(a)和(b)分别为对CMAC网络训练25次和对BP网络训练5000次的误差平方和曲面图。可以看出，CMAC网络在训练次数少于BP网络的情况下，其误差平方和远远小于BP网络，且误差分布比较均匀。图3(a)和(b)分别为CMAC网络和BP网络的误差平方和随学习次数的增加而变化的曲线图。由图可知CMAC网络的学习速度较BP网络有较大提高。