小脑模型神经网络 神经网络控制教材（第三版）.ppt

2-7 小脑模型神经网络 小脑模型神经网络（CMAC）是模拟人的小脑的一种学习结构，是基于表格查询式输入输出的局部网络模型，提供了一种从输入至输出的多维非线性映射能力。 2-7-1 CMAC的结构及工作原理 CMAC是前馈网，结构见图，由两个基本映射，表示输入输出之间的非线性关系。   1. 概念映射（U——AC） 2. 实际映射（AC——AP） 杂散存储 若输入是n维，每一维有q个量化级，则AC占很大容量。但，训练样本 不可能遍历所有输入空间，在AC中被激励的单元是很稀疏的。 杂散存储：可将AC压缩到较小的AP中。 有多种方法，“除余数法”是其中较好的一种。 杂散存储弱点：产生碰撞（冲突） 即AC中多个联想单元，被映射到AP的同一单元，见图，这意味着 信息的丢失。 2-7-2 CMAC的学习算法及分析 0次接收域函数例 2-7-3 有关的几个问题 略 演示 例2-7-1M CMAC逼近非线性函数1 例2-7-2M 用Gauss-Seidel迭代算法。 q1~q4 演示 例2-7-3 CMAC逼近非线性函数2