用多个改进低维CMAC神经网络学习多维函数的研究

摘要

提出了一种多维非线性函数的多神经网络学习方法,即用变量代换的方法把一个多维非线性函数分解为若干低维函数,用多个改进的低维小脑模型神经网络分别映射这些低维函数,提高了收敛性,减少了存储空间,大大提高了学习精度,且易于实现.给出了大量学习非线性函数的仿真实验,其结果表明,采用这种方法的学习精度比用一个CMAC的学习精度提高10倍以上.