用多个改进低维CMAC神经网络学习多维函数的研究

• 作者: 朱庆保
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 神经网络 小脑模型 多维非线性函数 仿真 精度
• 年，卷（期）: 2003,（20）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 140-142
• 页数: 3页
• 分类号: TP391.9
• 字数: 3257字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2003.20.056

摘要

提出了一种多维非线性函数的多神经网络学习方法,即用变量代换的方法把一个多维非线性函数分解为若干低维函数,用多个改进的低维小脑模型神经网络分别映射这些低维函数,提高了收敛性,减少了存储空间,大大提高了学习精度,且易于实现.给出了大量学习非线性函数的仿真实验,其结果表明,采用这种方法的学习精度比用一个CMAC的学习精度提高10倍以上.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱庆保	南京师范大学计算机系	78	1563	17.0	38.0