BMAC网络及其在函数学习中的应用

摘要：

论述了将n阶B样条函数运用到CMAC网络中形成BMAC网络的过程,并讨论了BMAC网络感受域函数和网络输出特性.BMAC网络与CMAC网络相比,克服了输入状态空间和输出状态空间离散化的缺点,具有连续的输入状态空间和输出状态空间.在函数学习中通过与CMAC网络的对比,体现出了BMAC网络具有逼近速度快,精度高的特性,同时也得出了学习参数及网络权值初始化对学习速度及逼近精度的影响规律.

关键词：B样条小脑模型神经网络、B样条函数、感受域函数

所属期刊栏目：24

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金50122148

在线出版日期：2004-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：858-861