论文部分内容阅读
为提高CMAC的非线性逼近能力,通过引入Gauss基函数和基于相似测量的寻址策略,提出一种新的Gauss基函数模糊CMAC网络(GFCMAC),并进一步在对Kohonen的自组织映射算法进行改进的基础上,提出了GFCMAC的结构自组织算法(SOGFCMAC). 仿真结果表明,采用Gauss基函数和模糊技术可以显著提高CMAC算法的非线性逼近能力,与传统CMAC、广义基函数CMAC和FCMAC等算法相比,SOGFCMAC算法在收敛速度、逼近精度和结构自组织等多方面都具有明显的优越性.