CMAC递阶结构及其在非线性系统建模中的应用研究.pdfVIP

第 :;Ii },3A期 山 与 人 学 学 拟 (自动 化 ) 1444年N月 Vol34 No.3A CMAC递阶结构及其在非线性系统建模中的应用 段培永 孙 砷 邵惠鹤 (}几i11交通人学 自动化抓 200030)) 摘 要 单个CMAC(CerebellarModelArticulationController)用于遥近复杂非线性函数时，泛化 能力和记忆精度有时不能满足要求 而且JCMAC愉入向量的维数较高时，权系数变得十分庞 大，给网络学习和实际应用带来困难 为了解决上述问题，提出了一种 CMAC的递阶结构，该 结构含有若干个CMAC.把愉入空间分成若千个低维子空间，每个小的CMAC的输入是系统枪入 空间的子集 从而降低每个 6h1AC的Sit入维数，减少权系数，提高其函数退近的能力.CS丁R非 线性动态系统建模仿真研究结果表明，该多个CMAC结构是有效的，可适用于高维愉入系统的 建模. 关键词 CMAC:关联神经网络:学习葺法二非线桂AfA.沙 由I一单个CMAC用tJL近复杂非线性函数时，泛化能力和记忆精度有时不能满足要求同其它网络 材 都存价Fa维输入问题，即当CMAC输入向量的维数较.翱寸 权系数变得 }分庞大，给网络学习和 实k;17f74ii310,mAlt.因此，t}:9544究人员致力T}CMAC结构的探讨 多CMACs的主要功能是 I)提高 网络结构学习速度2)改善11线性通近质场;3)解决I}u维输入足存储空间需求骤增的问题近几年 多 个神ISh}Y(}组合4 起作为一个神经网络用rIr线性函数im近，kJ)为新的研究领域Huang等人III出 f一T,I从 fAlbusCMAC的层德CMACs(CascadeCM八Cs),作为彩色31印机色彩校准系统这 一CMAC M构u1提品网络学习的收敛率(足传统AlbusCMA(的2-4倍》本文通过分析基于高斯从函数的超闭 球CMAC.11把局维CMAC转化为递阶CMAC结构.以解决权系数庞人的问题，该结构包含若十个 CMAC的递阶CMAC结构，该结构具内单个 〔MAC的非线性映射的功能，只是结构中每个CMAC的 输入空间为fi个高维CMAC输入空间的f空间 单个CMAC在高维映封时的局限性 自 以C-l.CMAC1-)为例 权系数或基函数的数目等于输入空间中超祝方休的个数Ne.气厂.其中， 1,. Ad 和 n 分别为超 .、方体的层数、输入空问梅一维的量化级数和CMAC输入变量的维数假设 冲 c,,=8,.v,.=8, n=2,4.6.权系数的个数分别为512.32768.2097152.为1史精确的记忆样 本需增加w化级数邵么对高T.系统来说，布r本数可能是很人的数 为了克服这一问题我们提出了一种 卿决 刀案 2递阶结构及其学习算法 1;,“，，2””为CIMC的输入r0:1e1。的7-,1.M;J.几满足:一n。，·怠‘输入向量 ，二‘ 现 3A期 段培永 等 CMAC递阶结构及I}布}1线性系统建NPh的1山川 b1 x=x[x,,二、x,]EU，tU:,}5tar}}x{}}=x(`).xz,一xi)A,}i(1D二0}n 广 护 x}.!imL,.T]I}r.`ip,PkuR7tk AUtD二乙，，具中。一{x},),xG),:引，。一{;.x=,...