神经计算中坐标变换的网络模型(CMAC)的泛化特性

？在神经计算中神经网络的泛化特性是一个非常重要的内容.该文简述了小脑模型(CMAC--CerebellarModelAreiculationController)的原理和学习算法,并用仿真方法讨论了在机器人使用的坐标变换关系(输入直角坐标值,输出机器手的关节角度)下CMAC的泛化性能:当泛化率为1:100时CMAC仍能正常工作.系统的精度虽能满足需要,但是进一步提高却受到限制.本文还讨论了影响精度的各种因素及可能的改进方法.