论文部分内容阅读
AlbusCMAC（cerebellamodelarticulationcontroller）神经网络是一种模拟人类小脑学习结构的小脑模型关节控制器，它具有很强的记忆与输出泛化能力，但对于在线学习来说，AlbusCMAC仍难满足快速性的要求．本文在常规CMAC4神经网络的基础上，针对其在学习精度与存储容量之间的矛盾，引入信度分配概念，提出了一种基于信度分配的并行集成CMAC．它将大规模网络切割为多个子网络分别训练后再组合，大大地提高了计算效率．通过对复杂非线性函数建模的仿真研究表明，该方案提高了系统建模的