ART-2与CMAC网络的性能对比研究.pdf

第8卷第1期 电 机 与 控 制 学 报 V01．8NO．1 2004年3月 ELECTRICMACHINESANDCONTROL ART一2与CM渔C网络的性能对比研究 丛爽， 郑毅松 (中国科学技术大学自动化系，安徽合肥2313027) 摘要：在分别介绍ART一2及CMAC的网络结构和算法的基础上，分析了两种网络在结构以及性 能上的相同点和不同点。并采用各自网络进行了建模的应用，其中根据ART一2的特点在其顶部增 加了一层额外的输出层。最后根据各自网络对同一非线性电机速度控制系统的建模结果，对ART一2 及CMAC网络的特性及适用范围进行了较深入的讨论。 关键词：—d灯一2；CMAC；小脑模型；系统建模；神经网络 中图分类号：TPl83文献标识码：A 文章编号：1007-449X(2004)01—0063—04 1 引 言 2 ART一2及CMAC网络结构 ReSonance 自适应共振理论(Adaptive Theory， 简记为ART)网络模型是由美国波斯顿大学数学系算法有很多相似之处，但其在网络结构上却有很大 的不同。下面就对其各自的结构分别进行讨论。 自适应系统中心的Grossberg和Carpenter提出的。 最先提出适用于二进制任意输入样本(模式)的 2．1 ART-2基本结构 ART一1网络模型；而后又提出的适用于模拟信号任 意输入模式的ART一2网络模型。它可以通过对警框内)，它由底层F1和顶层F组成。F，层为输入比 戒值进行调节，利用“胜者为王”的竞争机制对输入 较层(C层)，是整个系统的核心，分上中下三层，分 的模拟样本按任意精度进行分类。所以ART一2网别构成两个正反馈回路，用于抑制噪声并增强有用 络可以在很短的时间内完成对输入点的记忆和分 信号；F’层称为识别层(R层)，完成各神经元的竞争 类，因此具有很广泛的应用范围。 CMAC则是J√Ubus在小脑模型的基础上，于1975闭合的正反馈回路，其中标记为∥¨的神经元接受 年提出的一种模拟人类小脑连接结构的小脑模型关 输入信号Ji，而标记为K，的神经元接受上层送来的 Articulation Model Controller)。 节控制器(Cerebellar 信号bf(s；)。由图l可以看出‘在这个回路中还经 它是一种基于表格查询式输入输出技术的局部逼近 过两次规格化运算和一次非线性变换。具体变换 网络，从单个神经元来看，输入和输出呈简单的线性 公式为 关系，但从总体结构上看，CMAC可以适用于非线性 w¨=‘+aU。 (1) 映射关系，并且利用一种类似于ART-2网络“胜者 Xi=W，，／F1w。I| (2) 为王”的学习方式进行竞争学习，因此具有学习时间 V。。=f(X；)+by(S。) (3) 短、记忆力强等优点。 本文首先详尽分析ART-2和CMAC网络各 川={言巍痧p (4) 自的具体结构，然后在此基础上讨论其相同点和 矢量经过F。层的运算到达F2后，先由式(5)算 不同点，最后再分别利用这两个网络对同一电机 出相似度，再通过同警戒参数的比较由“胜者为王” 速度系统进行建模，并对各自的建模性能进行分 的方式决定其归属类别。若无合适类别，网络则根据 析对比。 输入向量创建新类别。由此