基于信度分配的并行集成CMAC及其在建模中的应用
潘晔1
顾幸生1
卢胜利2
1.华东理工大学自动化研究所,上海,2002372.天津工程师范学院自动化工程系,天津,300222
摘要：Aibus CMAC(cerebella model articulation controller)神经网络是一种模拟人类小脑学习结构的小脑模型关节控制器,它具有很强的记忆与输出泛化能力,但对于在线学习来说,Albus CMAC仍难满足快速性的要求.本文在常规CMAC神经网络的基础上,针对其在学习精度与存储容量之间的矛盾,引入信度分配概念,提出了一种基于信度分配的并行集成CMAC.它将大规模网络切割为多个子网络分别训练后再组合,大大地提高了计算效率.通过对复杂非线性函数建模的仿真研究表明,该方案提高了系统建模的泛化能力和算法的收敛速度.文章最后讨论了学习常数和泛化参数对该神经网络在线学习效果的影响.
关键词：小脑模型关节控制器(CMAC)信度分配并行神经网络集成建模
分类号：TP273(自动化技术及设备)
资助基金：上海市基础研究重点项目(08JC1408200)国家自然科学基金(60772167)国家高技术研究发展计划（863计划）(863;2009AA04Z141)
论文发表日期：2010-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 211-215 )
英文信息