关于广义模糊CMAC学习收敛性的理论结果(英文)

提出了广义模糊 CMAC( cerebellar model articulation controller)神经网络 ,并导出了其学习的充分条件 .最后 ,证明了广义模糊 CMAC在平方误差意义下的学习收敛性 .研究结果为广义模糊 CMAC的广泛应用提供了基础 .

新的基于mass-assignment的模糊CMAC神经网络及其学习收敛性(英文)

基于 J.F.Baldwin等人提出的 mass- assignment理论 ,提出了新的基于 mass- assignment的模糊 CMAC神经网络 ,接着研究了其学习规则 .理论研究结果揭示出 ,此新模糊 CMAC是一个全局逼近器 ,并且具有学习收敛性 .故此新模糊 CMAC有非常重要的应用潜力 .

具有微分输出的神经网络New-CMAC及其学习收敛性(英文)

基于传统的 CMAC神经网络和局部加权回归技术 ,提出了与传统 CMAC(cerebellar model articulation com-puter)有着同样存储空间量的改进的新 CMAC网络 New- CMAC,它具有传统的输出和具有其微分信息的输出 ,因而更适合于自动控制 .接着 ,又提出了其新的学习算法 ,并研究了其学习收敛性 .