[信息與通信]智能控制第8章(編輯修改稿)
2024-11-12 17:33 本頁面
【文章內(nèi)容簡介】 miiimiiind bcxyyyy ??????????????????????? 22111? ?? ?? ?? ?? ? ?????????????????????????????????????????????2221111ijijjimiimiiimiiindijiinnijnnijbcxyyyybyyEbyyEbE??????? ?? ?? ? ? ? 222111 ijiijjmiimiiimiiind bcxyyyy ?????????????????????? ? ? ? ? ? ? ? ? ???????????????????????? ????? ??????211121miiijiijjmiiimiiindijij bcxyyyykckc ?????? ? ? ? ? ? ? ? ? ? ? ? ?????????????????????? ????? ??????2122111miiijiijjmiiimiiindijij bcxyyyykbkb ?????其中 α 、 β 為學習速率。 仿真實例 使用混合型 pisigma神經(jīng)網(wǎng)絡逼近對象： 23)1(1)1()()(?????kykykuky混合型 pisigma神經(jīng)網(wǎng)絡逼近程序見 小腦模型神經(jīng)網(wǎng)絡 . 1 CMAC概述 小腦模型神經(jīng)網(wǎng)絡 （ CMACCerebellar Model Articulation Controller） 是一種表達復雜非線性函數(shù)的表格查詢型自適應神經(jīng)網(wǎng)絡 ， 該網(wǎng)絡可通過學習算法改變表格的內(nèi)容 ， 具有信息分類存儲的能力 。 CMAC已被公認為是一類聯(lián)想記憶網(wǎng)絡的重要組成部分 ， 能夠?qū)W習任意多維非線性映射 ，CMAC算法被證明可有效地用于非線性函數(shù)逼近 、 動態(tài)建模 、 控制系統(tǒng)設計等 。 CMAC比其它神經(jīng)網(wǎng)絡的優(yōu)越性體現(xiàn)在： （ 1） 小腦模型是基于局部學習的神經(jīng)網(wǎng)絡 ， 它把信息存儲在局部結(jié)構上 ， 使每次修正的權極少， 在保證函數(shù)非線性逼近性能的前提下 ， 學習速度快 ， 適合于實時控制； （ 2） 具有一定的泛化能力 ， 即所謂相近輸入產(chǎn)生相近輸出 ， 不同輸入給出不同輸出； (3) 具有連續(xù) （ 模擬 ） 輸入輸出能力； (4) 采用尋址編程方式 ， 在利用串行計算機仿真時 ， 它將使響應速度加快； (5) CMAC函數(shù)非線性逼近器對學習數(shù)據(jù)出現(xiàn)的次序不敏感 。 由于 CMAC所具有的上述優(yōu)越性能 ， 使它比一般神經(jīng)網(wǎng)絡具有更好的非線性逼近能力 ， 更適合于復雜動態(tài)環(huán)境下非線性實時控制的要求 。 CMAC神經(jīng)網(wǎng)絡的結(jié)構如圖 88所示 。 圖 88 CMAC神經(jīng)網(wǎng)絡結(jié)構 一種典型 CMAC算法 CMAC網(wǎng)絡由輸入層 ， 中間層和輸出層組成 。在輸入層與中間層 、 中間層與輸出層之間分別為由設計者預先確定的輸入層非線性映射和輸出層權值自適應性線性映射 。 CMAC神經(jīng)網(wǎng)絡的設計主要包括輸入空間的化分 、 輸入層至輸出層非線性映射的實現(xiàn)及輸出層權值學習算法 。 CMAC是前饋網(wǎng)絡 ， 輸入輸出之間的非線性關系由以下兩個基本映射實現(xiàn) 。 （ 1） 概念映射 （ U?AC） 概念映射是從輸入空間 U至概念存儲器 AC的映射 。 設輸入空間向量為 ，量化編碼為 ， 輸入空間映射至 AC中 c個存儲單元 （ c為二進制非零單元的數(shù)目 ） 。 Tnp2p1pp ]u,u,[uu ??][ pu采用下式表示映射后的向量： Rp=S([up])=[s1(up),s2(up),…,s c(up)]T 式中 sj([up])=1 , j=1,2,…,c 映射原則為：在輸入空間鄰近的兩個點，在 AC中有部分的重疊單元被激勵。距離越近，重疊越多；距離越遠的點，在 AC中不重疊，這稱為局域泛化， c為泛化常數(shù)。 （ 2）實際映射 （ AC AP） 實際映射是由概念存儲器 AC中的 c個單元 ， 用雜散編碼技術映射至實際存儲器 AP的 c個單元 ，c個單元中存放著相應權值 。 網(wǎng)絡的輸出為 AP中c個單元的權值的和 。 只考慮單輸出： 即 ? ????cjpjjn uswy1)(???cjjn wy1 CMAC采用的學習算法如下： 采用 δ 學習規(guī)則調(diào)整權值，權值調(diào)整指標為 2)(21 tecE ?其中 。 )()()( tytrte ??由梯度下降法，權值按下式調(diào)整： ctewyctytrwEtwj)())()(()( ??? ?????????
教學課件相關推薦
鄂ICP備17016276號-1