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

New Mass-Assignment-Based Fuzzy CMAC and Its Learning Convergence

作　　者：王士同 J.F.Baldwin T.P.Martin2 

机构地区：[1]华东船舶工程学院计算机系,江苏镇江212003 [2]英国Bristol大学高级计算研究中心

出　　处：《软件学报》2001年第6期816-821,共6页Journal of Software

基　　金：国家自然科学基金 No.6 98 430 0 2 &&

摘　　要：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 .In this paper, based on the mass-assignment theory proposed by J.F. Baldwin et al., the new mass-assignment-based fuzzy CMAC is presented. Accordingly, its learning rules are also investigated. The theoretical research results reveal that this new mass-assignment-based fuzzy CMAC is a universal approximator, and has its learning convergence. Therefore, this new fuzzy CMAC has very important potentials of applications.

关 键 词：模糊CMAC 学习规则 mass-assignment理论 学习收敛性 神经网络 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]