一种快速收敛的核CMAC神经网络模型

• 作者: 孔敏 朱大奇
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: CMAC神经网络 核CMAC 信度分配 可信度
• 年，卷（期）: 2006,（7）
• 所属期刊栏目: 信息、控制、决策与仿真
• 页码范围: 1938-1941
• 页数: 4页
• 分类号: TP183
• 字数: 3718字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-731X.2006.07.049

摘要

为了提高CMAC(cerebellar model articulation controllers)神经网络实时在线学习的快速性和准确性,在核CMAC的基础上引入了信度分配的概念.在核空间内,利用激活单元先前学习次数作为可信度,其误差校正值与激活单元先前学习次数的倒数成比例,设计了一种基于信度分配的核CMAC的训练规则,使网络的学习速度和网络逼近精度及建模能力得到提高.仿真结果表明基于信度分配的核CMAC结合了核CMAC与信度分配CMAC的优点,隐去了映射所带来的复杂运算,有较快的学习速度和训练精度及建模能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱大奇	江南大学控制科学与工程研究中心	15	883	7.0	15.0
2	孔敏	江南大学控制科学与工程研究中心	3	43	2.0	3.0