基于平衡学习的CMAC 神经网络非线性辨识算法

为提高小脑模型关节控制器(CMAC) 神经网络在线学习的快速性和准确性, 提出一种平衡学习的概念, 并 设计一种改进的CMAC 学习算法. 在常规的CMAC 中, 误差的校正值被平均地分配给所有激活存储单元, 而不管 这些存储单元的可信度; 在改进的CMAC 中, 利用激活单元先前学习次数作为可信度, 其误差校正值与激活单元先 前学习次数的负k 次方成比例. 仿真结果表明, 当k 为一适当数值时, 改进CMAC 具有较快的学习速度和较高的精 度, 特别是在神经网络的初始学习阶段.