【智能控制】CMAC网络-2.PPTVIP

* 二、小脑模型连接控制器（CMAC）网络 原理：从小脑活动只获取启发 1）小脑从各种传感器获得信号、反馈和命令，构成地址，地址 的内容形成各种所需的动作。 2）输出的动作只限制在最活跃神经中的一个小子集，绝大多数 神经元都受到抑制。 输入状态空间 概念存贮空间 实际存贮器 输出 实现二个映射 f : S A g: A P P = f(s) 输入向量 S 随机表格 地址表 联想单元 权值表 P=F(s) 泛化 存贮压缩 散列编码 激活的单元数为4,即C= 4,一般C = 4-256 5 三个特点： 1） 利用散列编码（Hash Coding）进行多对少的映射； 2）通过对输入分布式测量信号的编码，使输出具有泛化和插 值能力； 3）通过监督学习，修改地址的内容和连接权值，使之逼成任意 非线性函数。 映射：通过特殊的编码方式实现： （见图） ? 使输入空间中，相同或相距不远的输入向量，有相同 的输出 —— 泛化 ? 使输入空间中，不同或相距远的输入向量，有不同 的输出 —— 分类 3 编码方法 S的大小 m*i 把S=（s1 ，s2 ，…sN）变成二进制变量mi* 规则: a) 对每一个输入量, mi*只能有|Ai*|个1; b) 相邻的输入，只有1位不同； c) mi*的每一个1， 对应si的变化范围。 |Ai*|= 4 一维向量 二维向量（45种组合） S1，4 = aDbEcFdG S2，5 = bEcFdGeH 这种编码方法的特点： 1）相邻的向量其编码只有1 位不同； 2）相近的向量其汉明距随向量之间的距离增加而增加， 超过一定距离其汉明距就保持不变。 汉明距= Hij = Hij = | A*| - | Ai*? Aj* | Hij = | A*| —— 实现分类（| Ai*? Aj* | = 0） Hij ? | A*| —— 实现泛化（| Ai*? Aj* | ? 0） 如何选择| A*| ？ |A*|的大小确定了Si的变化范围，在|A*| 一定的情况下，Si的变化范围也影响si mi的分辨率。举例： |A*|=4 分辨率=1.0 分辨率=0.5 S1变化范围:1-9 S2变化范围:1.0-5.0 S1 m* 1 a b c d 1.5 b c d e 2.0 c d e f 2.5 d e f g 3.0 e f g h 3.5 f g h i 4.0 g h i j 4.5 h i j k 5.0 i j k l ?在二维的情况下,不同的轴可以有不同的分辨率, 同一的轴,在不同区间也可以有不同的分辨率. ?分辨率越高,Si对|A*| 的影响越强;反之, Si对 |A*| 的影响越弱. 一般情况下, |A*| = 泛化范围/量化精度. 取32-256 ?为了减少联想单元的数目,可以做进一步的处理 | Ai*? Aj* | ? | Ai*? Aj* | ? 选择范围 | Ai*? Aj* |=0 *