基于GA学习的模糊小脑模型控制器

提出一种基于遗传算法学习的模糊不脑模型神经网络控制器,即利用遗传算法学习和优化ＦＣＭＡＣ控制器的连接权重,构成一个ＧＡ－ＦＣＭＡＣ控制器,该算法适用于多输入－多输出系统,对于倒立摆非线性系统的仿真结果证明,本算法的有效性和适应性。     

多路径交通分配模型的改进及节点分配算法

本文对动态多路径交通分配模型进行了改进，提出了该模型的快速算法－节点分配算法，并详细阐述了节点分配法中的网络处理、分配节点排序及参数确定等问题。节点分配算法的采用，大大提高了多路径交通分配方法的速度及容量，使之能在超大规模网络的交通规划、交通控制及交通诱导系统中应用。     

基于高斯基函数的小脑模型学习算法的改进

讨论了基于高斯基函数的小脑模型原理和学习算法,在文献「２」的算法基础上,定义了包含学习样本点的一个起立方体子空间,提出了在于该超立方体子窨的快速学习算法,仿真表明学习算法速度较文献「２」的算法有明显提高。     

基于小脑模型关节控制器的神经元离散滑模控制

针对常规滑模控制中,在状态轨迹沿滑模面运动过程中易产生抖振的现象,将小脑模型关节控制器与滑模控制相结合,提出了一种新的控制策略,即基于小脑模型关节控制器的神经元离散滑模控制,并对该方法进行了计算机仿真。仿真结果表明,采用本文所提出的方法,不仅有效地抑制了抖振,而且系统具有良好的动态品质。     

基于小脑模型的广义预测控制快速算法

从状态空间的角度推导出广义预测控制算法,并利用小脑模型(CMAC)提出了一种新型广义预测控制快速算法,解决了传统GPC算法计算量大的问题.仿真结果表明该算法的有效性.     

基于小脑模型的电液位置伺服系统在线学习控制研究

针对非线性电液位置伺服系统的跟踪控制问题,提出了一种采用小脑模型（ＣＭＡＣ）神经网络的在线学习控制方法,与传统的ＣＭＡＣ控制器不同,该控制器采用动态误差作为ＣＭＡＣ神经网络的激励信号,从而使基于ＣＭＡＣ的控制器跟踪连续变化的信号成为可能,给出了具体的控制结构和算法,仿真结果表明,该控制器具有良好的处理非线性及跟踪连续变化信号的能力,并对时变外负载干扰具有明显的抑制作用,而且新型控制器能和较高的学习     

褶积模型参数估计的递归算法及其收敛性

讨论褶积模型参数估计问题，通过对数据的正交化得到了模型参数的递归算法，从理论上分析这种递归算法的收敛性，并得到一个判断正交化过程收敛性的充分条件，在此条件下递归算法必收敛到褶积模型中的子波A=（1，a1，…，aq）。     

基于信任度的网格安全访问模型的研究

网格安全问题一直是网格研究的核心问题和难点.文中尝试以信任度评判机制采衡量网格系统中的访问可信度,基于建立的信任度模型,将信任度动态评判方法引入到网格安全访问模型中,并论证了在网格系统安全中引入信任度评估机制的可行性和合理性.     

关于推广Polak算法模型收敛性定理的改进

本文改进了 Polak 定理[1]的收敛性条件。     

一种模糊小脑模型神经网络及其仿真研究

在传统小脑模型的基础上,利用其特有的寻址方式,引入模糊逻辑的思想,采用模糊隶属度函数作为接受域函数,提出了一种模糊小脑模型神经网络。重点研究了接受域函数的映射规律、隶属度函数及其参数的选取规律和学习算法。仿真结果表明,该模糊模型具有良好的泛化能力和逼近精度,且可获得连续性强且有解析微分输出的复杂函数。     

Advanced Credit-Assignment CMAC Algorithm for Robust Self-Learning and Self-Maintenance Machine

Smart machine necessitates self-learning capabilities to assess its own performance and predict its behavior. To achieve self-maintenance intelligence, robust and fast learning algorithms need to be embedded in machine for real-time decision. This paper presents a credit-assignment cerebellar model articulation controller (CA-CMAC) algorithm to reduce learning interference in machine learning. The developed algorithms on credit matrix and the credit correlation matrix are presented. The error of the training sample distributed to the activated memory cell is proportional to the cell‘s credibility, which is determined by its activated times. The convergence processes of CA-CMAC in cyclic learning are further analyzed with two convergence theorems. In addition, simulation results on the inverse kinematics of 2degree-of-freedom planar robot arm are used to prove the convergence theorems and show that CA-CMAC converges faster than conventional machine learning.     

一种基于模糊CMAC自学习模糊逻辑系统及其在控制中的应用

把HCMA（Hyperball Cerebellar Model Articulation Conroller)与模糊逻辑理论有机结合起来，形成FHCMAC（Fuzzy HCMAC)，它便于从输入输出数据中提取模糊规则，直接用作控制器。可以将FHCMAC看作用基函数网络实现的模糊逻辑系统，兼有HCMAC神经网络和模糊逻辑两者的优点，即可以较容易表达定性或模糊的经验知识，又具有很好的学习性能，应用仿真实例验证了其有效性，该方法可应用于难以获取模糊规则的吻合。     

五机架冷连轧AGC模糊小脑模型学习控制

首次提出模糊小脑模型，将模型概念引入到小脑模型中，给出算法，并采用它实现了冷轧轧ＡＧＣ系统模糊小脑模型学习控制，该控制方法具有快速学习功能，适合实时控制使用。以某厂五机架冷连轧机研究对象，在３８６／ＤＸ计算机上民了稳定态过程仿真研究。仿真结果表明，所提方法是有效的，比经典ＰＩＤ控制效果优越，具有良好的鲁棒性，可用于工业控制。     

基于新型模糊CMAC神经网络的Agent外贸协商模型

文章提出了一个由外销商训练的基于一种新型模糊小脑神经网络的Agent外贸协商模型。由于模糊小脑神经网络训练快速性,所以客户在输入了购买信息之后,可以及时获得相关评价,使客户最终能以协商的方式与Agent达成协议,提高了工作效率,仿真试验也证明了其评价的正确性。     

基于超闭球小脑模型的系统建模及其校正

为了克服神经网络建模在工程应用中的不足,利用超闭球小脑模型（HCMAC）神经网络所具有的结构简单、学习收敛速度快、泛化能力强等优势,提出了基于HCMAC的非线性动态系统建模原理。分析了建模误差产生的原因,给出了基于误差校正率的神经网络模型多步在线校正策略,采用通过实时扩展模型学习样本空间和基于模型误差可信度的模型参数修正方法训练模型,以跟踪实际动态过程。仿真实验证明：上述方法可有效地减小由于样本精度不高和在模型输入空间中的分布不均匀所带来的初始模型误差,同时可实时适应非线性动态过程工况的变化。     

改进的CMAC算法及其在机器人控制中的应用

在ＣＭＡＣ算法的基础上,采用两种方法来克服其存储容量随分辨力剧增的缺陷,一种方法是针对输入数据集分布和量化级一致的情况下,利用变分法,求得最佳非均匀量化曲线,使得量化噪声均方值最小;另一种是在输入数据集分布未知,量化级给定的情况下,利用求重心的方法,提高网络分辨力,从而避免了以增大存储容量来提高分辨力,大大提高了网络的分辨力与推广能力,使该算法更为实用．采用第二种方法,应用于四足步行机器人伺服系统的模糊控制,效果良好     

CMAC神经网络的概念映射算法

在Ａｌｂｕｓ的概念映射基础上，给出了了ＣＭＡＣ神经网络的Ｎ维概念映射算法，并给予了证明，为ＣＭＡＣ神经网络应用提供了极大方便。     

一种单输入CMAC策略在机械手逆模控制中的应用

小脑模型关节控制器(CMAC)是一种结构简单、学习速度快的局部神经网络,适合于实时控制。但对于某些高维输入系统来说,CMAC需要大量的存储空间,实际应用性能下降。文章结合传统PID反馈控制与神经网络逆模控制的特点,利用CMAC网络对机械手进行逆模控制;针对网络所需输入量较多的问题,提出了一种单输入CMAC网络的逆模控制策略,并将提出的控制策略应用于2自由度机械手的轨迹控制;引入测量变量使网络输入由二维转换为一维,减少了神经网络所需存储空间,提高了学习速度。仿真实验结果表明,所提出的控制策略克服了机械手非线性和不确定性的影响,是可行的。     

一种新的CMAC函数逼近器及其再励学习方法

针对复杂再励学习系统状态空间存在维数灾问题，结合多移动机器人协调避障路径规划实际应用，用非均匀模糊分割方法将状态空间分解成模糊子空间，相应地将小脑模型连接控制器网络（Cerebellar Model Articulation Controller,CMAC)函数逼近器改进为模糊CMAC（Fuzzy CMAC,FCMAC)函数逼近器，并将FCMAC函数逼近器置入滞后更新多步Q（Pstphoned-Updating Multi-Stp Q-learning,PUMSQ)学习笮算法，提出FCMAC－PUMSQ学习算法，仿真实验证明，该算法有效且有较好的鲁棒性，FCMAC函数逼近器有较好的收敛速度和泛化能力。     

利用小脑模型提前计算的广义预测控制

给出一种新的广义预测控制方法，并把小脑模型（ＣＭＡＣ）应用于该算法中，避免了ＧＰＣ算法需要实时所进行的复杂计算．针对ＣＭＡＣ所需存储单元多的缺点，提出了一种改进计算ＣＭＡＣ输出值的方法，可大大减少存储单元．文中的方法对ＧＰＣ在实际中的应用有重要意义