CMAC递阶结构及其在非线性系统建模中的应用
单个CMAC(Cerebellar Model Articulation Controller)用于逼近复杂非线性函数时，泛化能力和记忆精度有时不能满足要求，而且当CMAC输入向量的较高时，权系数变得十分庞大，给网络学习和实际应用带来困难.为了解决上述问题，提出了一种CMAC的递阶结构， 该结构含有若干个CMAC，把输入空间分成若干个低维子空间，每个小的CMAC的输入是系统输入空间的子集，从而降低每个CMAC的输入维数，减少权系数，提高其函数逼近的能力.CSTR 非线性动态系统建模仿真研究结果表明，该多个CMAC结构是有效的，可适用于高维输入系统的建模。
CMAC 关联神经网络 学习算法 非线性系统建模
段培永 孙冲 邵惠鹤
上海交通大学自动化系
国内会议
济南
中文
310～313
1999-08-01（万方平台首次上网日期，不代表论文的发表时间）