二、小脑模型连接控制器(CMAC)网络 原理:从小脑活动只获取启发 1)小脑从各种传感器获得信号、反馈和命令,构成地址,地址 的内容形成各种所需的动作 2)输出的动作只限制在最活跃神经中的一个小子集,绝大多数 神经元都受到抑制。 传感信号 运动轨迹 命令 地址内容 执行器 反馈
二、小脑模型连接控制器（CMAC）网络 原理：从小脑活动只获取启发 1）小脑从各种传感器获得信号、反馈和命令，构成地址，地址 的内容形成各种所需的动作。 2）输出的动作只限制在最活跃神经中的一个小子集，绝大多数 神经元都受到抑制。 地址内容 执行器 运动轨迹 反馈 传感信号 命令
实现二个映射 f:S→A ss 点 目9 输出 P=f(s) A 输入状态空间概念存贮空间 实际存贮器
输入状态空间 概念存贮空间 实际存贮器 输出 实现二个映射 f : S A g: A P P = f(s)
激活的单元数为4即C=4一般C=4-256 泛化 存贮压缩 散列编码→ P=F(3) 输入向量 地址表 随机表格 联想单元 权值表
输 入 向 量 S 随机表格 地址表 联想单元 权值表 P=F(s) 泛化 存贮压缩 散列编码 激活的单元数为4,即C= 4,一般C = 4-256 5
三个特点; 1)利用散列编码( Hash Coding)进行多对少的映射; 2)通过对输入分布式测量信号的编码,使输出具有泛化和插 值能力; 3)通过监督学习,修改地址的内容和连接权值,使之逼成任意 非线性函数 (见图) 映射:通过特殊的编码方式实现 使输入空间中,相同或相距不远的输入向量,有相同的输出 泛化 ●使输入空间中,不同或相距远的输入向量,有不同的输出 —分类
三个特点： 1） 利用散列编码（Hash Coding）进行多对少的映射； 2）通过对输入分布式测量信号的编码，使输出具有泛化和插 值能力； 3）通过监督学习，修改地址的内容和连接权值，使之逼成任意 非线性函数。 映射：通过特殊的编码方式实现： （见图） • 使输入空间中，相同或相距不远的输入向量，有相同 的输出 —— 泛化 • 使输入空间中，不同或相距远的输入向量，有不同 的输出 —— 分类
CMAC学习方法: (1)给定期望的输出函数F即 P=F(S) F(s, 尸为期望函数 (2)对输入空间每一点,计算实际输出 pκ=F(s2)k=1,2,…,n(输出向量的维数) i=1,2,,N(输入向量的维数) P=F(S) K K 1K,a2Ky∴ar W1 1k 3 W 2k W 对n维输出P向量,应有n个实际存贮器
CMAC 学习方法： ⑴ 给定期望的输出函数 F 即： P = F（S ） p i = F (si ) P 为期望函数 ⑵ 对输入空间每一点，计算实际输出 pK= F（si） k = 1，2，…,n (输出向量的维数) i = 1, 2,…,N (输入向量的维数) P = F（S ） PK = AKW T K AK =（a1K ，a2K ，…ank） Wk = (w1k , w2k ,…,wn k) 对 n 维输出 P 向量，应有 n 个实际存贮器。 3