一种基于自适应遗传算法的CMAC的学习率优化方法

被引：8

作者：

林旭梅

梅涛

机构：

[1] 中国科学院合肥智能机械研究所

来源：

系统仿真学报 | 2005年 / 12期

关键词：

小脑模型; 遗传算法; 学习率; 收敛性能;

D O I：

10.16182/j.cnki.joss.2005.12.063

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

CMAC(cerebellar model articulation controller)是一种局部逼近神经网络,它发展了近30年,但是关于其学习率的确定仍缺乏好的方法。基于CMAC的控制系统如果没有好的学习率,那么系统就会不稳定或者收敛速度很慢。在传统方法的基础上提出利用遗传算法(GA)来确定其学习率,通过自适应遗传算法(GA)其他传统方法相比较,表明利用自适应遗传算法(GA)不仅使系统稳定,而且收敛速度更快,并进行了仿真验证。

引用

页码：3081 / 3084+3088 +3088

页数：5

共 4 条

[1] CMAC算法收敛性分析及泛化能力研究 [J].