论文部分内容阅读
研究小脑控制器神经网络(CMAC)在模式识别中的应用问题。在算法优化过程中,针对模式识别中训练样本中存在着高维、大量冗余信息而传统CMAC不能够对输入信息空间维数降低,从而常导致CMAC网络训练速度慢、识别率低等问题。为了加快CMAC学习速度,提高识别率,提出一种基于粗糙集(RS)的CMAC模式识别方法(RS_CMAC)。利用粗糙集约简并删除训练样本中的冗余信息,降低样本的维数,从而优化网络的结构;同时网络中引入了自适应动态学习率,加快网络的收敛速度和学习速度,从而提高识别率。以数码管模式识别为例对