任意偏移矢量分布的N维CMAC映射算法及其应用

给出任意偏移矢量分布的Ｎ维ＣＭＡＣ映射算法，并将其成功地应用于Ｐａｒｋｓ和Ｍｉｌｉｔｚｅｒ给出的改进偏移矢量分布的多变量ＣＭＡＣ，进而获得高效的Ｎ维ＣＭＡＣ算法，给出了Ｐａｒｋｓ和Ｍｉｌｉｔｚｅｒ表与本文算法的转换原则和算法。     

基于广义基函数的CMAC学习算法的改进及收敛性分析

基于广义基函数的ＣＭＡＣ（ＣｅｒｅｂｅｌａｒＭｏｄｅｌＡｒｔｉｃｕｌａｔｉｏｎＣｏｎｔｒｏｌｅｒ）学习算法（称Ｃ－Ｌ算法）收敛条件依赖于基函数和学习样本,很难同时满足学习快速性与收敛性．提出了一种改进学习算法,并证明改进算法是收敛的,而且收敛条件不依赖于基函数和学习样本．仿真结果表明改进算法优于Ｃ－Ｌ算法和标准的Ａｌｂｕｓ算法．     

也谈在C程序中使用DOS内部命令

本文依据ＤＯＳ命令解释程序ＣＯＭＭＡＮＤ．ＣＯＭ可个有命令行参数的特点，给出了在Ｃ程序中使用ＤＯＳ内部命令的一种简便、高效的方法。方法是通过调用Ｃ函数ｓｙｓｔｅｍ或ｓｐａｗｎｌ加载带有命令行参数的ＣＯＭＭＡＮＤ．ＣＯＭ实现的，文后给出了示例程序。     

一种新型仪器接口总线VXIbus

一种新型仪器接口总线ＶＸＩｂｕｓ张长安，盛晨媛ＶＸｌｂｕｓ是ＶＭＥｂｕｓＥｘｔｅｎｓｉｏｎｆｏｒＩｎｓｔｒｕ－ｍｅｎｔａｔｉｏｎ即ＶＭＥ总线在仪器领域的扩展的缩写。１９８７年，以ＨＰ、Ｔｅｋｔｒｏｎｌｘ、ＣｏｌｏｒａｄｏＤａ－ｔａＳｙｓｔｅｍ、Ｒａｃ...     

基于Transputer的CMAC神经网络模型的高速高精度直接驱动机器人的运动控制研究

本文主要研究了利用智能学习方法（ＣＭＡＣ神经网络）获得高品质运动控制的问题，重点解决了ＣＭＡＣ的快速实现问题；用Ｔｒａｎｓｐｕｔｅｒ和ＣＭＡＣ网络构成并行数字控制器，对两关节的直接驱动机器人进行了实验研究，结果表明，ＣＭＡＣ网络学习控制方法是一种有效的和实用的高速高精度运动控制方法，并具有良好的鲁棒性。     

Windows环境下应用MATLAB的软件开发技术

本文介绍当前风行美国的科学工程计算语言ＭＡＴＬＡＢ的特点，阐述了在Ｗｉｎｄｏｗｓ环境下应用ＭＡＴＬＡＢ进行二次开发的设计方法，并给出了一个应用ＭＡＴＬＡＢ实现ＣＡＩ软件的实例．     

运用媒体控制接口（MCI）进行Windows视频程序设计

本文给出了Ｗｉｎｄｏｗｓ３．１环境下，用ＭＣＩ进行Ｃ／Ｃ＾＋＋多媒体程序设计的一般方法，解释了常用的ＭＣＩ命令，命令标志的意义，并讨论了ＡＶＩ及ＭＰＥＧ视频回放编程技术。     

“Algorithms for Degree-Raising of Splines”中的问题及其解决办法

研究表明，Ｃｏｈｅｎ，Ｌｙｃｈｅ和Ｓｃｈｕｍａｋｅｒ于１９８５年在ＡＣＭＴｒａｎｓａｃｔｉｏｎｓｏｎＧｒａｐｈｉｃｓ杂志上所发表的论文“ＡｌｇｏｒｉｔｈｍｓｆｏｒＤｅｇｒｅｅ－ＲａｉｓｉｎｇｏｆＳｐｌｉｎｅｓ”中存在着严重问题．文中给出了解决Ｂ样条曲线升阶的经典理论中的这些问题的三个算法，同时也给出了计算实例．     

混合型多概念获取系统的设计与实现

本文主要描述了一个增量式混合型多概念获取系统ＨＭＣＡＳ，它提出了一个基于概率论的符号学习与神经网络学习相结合的学习算法，能从隶属于某个概念集的实例集中归纳出满足用户精度要求的，以浊合型判定树表示的概念描述。在ＨＭＣＡＳ中，符号学习与神经网络学习具有结合紧密的转换灵活等特点，具有较高的学习效率和较强的归纳能力以及增量学习能力。ＨＭＣＡＳ的神经网络学习可选择ＢＰ网络或ＦＴＡＲＴ网络，其推理机制提供了混     

干涉检查中的统一算法

论述了在ＣＡＤ／ＣＡＭ和其它领域中经常碰到的干涉检查问题，为了缩短运行代码，提高计算速度，提出了统一算法的思想，给出具体的算法，并且在微机ＣＡＤ／ＣＡＭ集成系统─—ＭｉｃＣｉｍｓ中得以验证。     

一类具有多维存储结构的CMAC神经网络

对于多输入 CMAC神经网络 ,概念映射决定了网络泛化特性 .从而直接影响到网络学习速度和网络的逼近精度 .本文在对多输入 CMAC网络进行深入分析的基础上 ,指出了概念映射的重要性及现有映射算法存在的不足 ;巧妙地将网络存储器由原来的一维改为多维从而得到了一类新型的多输入 CMAC神经网络 ,同时给出了新型网络的概念映射算法并分析论证了算法的合理性、严密性 .计算机仿真结果验证了所提出新型网络及其概念映射算法的有效性     

CMAC神经网络碰撞问题解决方法的研究

针对CMAC神经网络学习算法存在因使用Hash编码技术而产生的实际映射空间地址碰撞问题,提出了一种基于设置权值溢出区解决地址完全碰撞问题的方法,与传统的依靠增加实际映射空间大小解决完全碰撞问题的方法相比,该方法节省了网络的实际权值存储空间,并且在实际地址空间大小相同条件下提高了网络学习的精度.最后,将该方法应用于非线性系统辨识与色彩匹配的样本训练中,实验结果验证了该方法的有效性.     

CMAC最优设计及其算法——GA技术优化CMAC偏移矢量分布

采用GA(Genetic Algorithm)技术实现CMAC(cerebellar Model Articulation Controller)最优设计及算法.该方法解决了CMAC与其学习对象的整体优化问题,具有理论 意义和实用价值.仿真结果证明该方法是成功的和有效的.对不同的客观对象(如空间曲面), 可以采用GA技术找到CMAc的最优内部表示(偏移矢量分布),实现一般CMAC难以达到 的精度.该方法比Albus的CMAC和Parks等的CMAC学习效果都有不同程度的提高,适 合于要求高精度学习的情况.同时给出了任意偏移矢量分布的CMAC算法.     

一种新型模糊神经网络函数逼近器

论文提出了一种新型模糊小脑模型神经网络(NFCMAC),它采用模糊隶属度函数作为接收域函数,能够获得较常规CMAC连续性强且有解析微分的复杂函数近似,具有计算量少,学习效率高等优点。同时研究了NFCMAC接受域函数的映射方法、隶属度函数及其参数的选取规律和学习算法。仿真结果表明NFCMAC具有良好的泛化能力和逼近精度,具有较高的收敛速度。     

非线性量化小脑模型神经网络在溶出循环母液配比模型中的应用

采用自适应算法对小脑模型神经网络的概念映射进行设计,提出了非线性量化小脑模型神经网络算 法,提高小脑模型神经网络的计算速度和精度以满足复杂动态环境下的非线性实时控制的需要．提出了基于非线性 量化小脑模型神经网络的溶出预脱硅系统时间序列预测模型,用于准确实时地预测循环母液加入量,在此基础上进 行循环母液投放措施优化．试验说明了该模型在对化工软计算的预测精度和快速性上具有明显的优越性,本模型已 应用于某氧化铝厂工艺优化系统中,动态调节循环母液投放量以节省原料．     

一种CMAC网络模型及其在机器人控制中的应用

小脑模型关节控制器（CMAC）具有学习算法简单、在线学习速度快的优点,非常适于机器人等复杂系统的自适应控制,本文阐述了CMAC的原理,证明了其收敛性,提出了一种适合于机器人轨迹跟踪控制的CMAC,并给出了仿真实验结果。     

针对纯滞后系统神经网络Dahlin控制的研究

针对传统的基于Dahlin算法的控制器在大惯性、纯滞后、时变性、非线性对象的控制效果不佳,甚至发生不稳定现象的弱点,提出了以CMAC神经网络与Dahlia算法相结合的控制方法.以CMAC神经网络作为一个前馈控制器,实现时滞系统的自适应稳定控制.仿真实验表明,这种复合控制方法保留了Dahlin算法与CMAC神经网络的各自特长,同时具备学习速度快、适应能力强的优点,具有良好的稳定性和控制效果.     

基于模糊CMAC神经网络的并联机器人自适应力控制研究

本文介绍了一种基于Takagi型模糊推理方法的模糊C MAC神经网络,分析了其学习算法,设计出基于这种模糊神经网络的并联机器人自适应力控 制器,并进行了仿真和实验研究,证明所设计的控制器是可行和有效的．     

模糊CMAC网络的FPGA实现

提出了模糊CMAC网络的一种基于FPGA的硬件实现方法,首先,给出了模糊CMAC网络的模型及其算法,通过MATLAB仿真获取了模糊CMAC网络的FPGA实现所需的参数;在此基础上,对模糊CMAC网络进行硬件模块划分,基于VHDL实现了各硬件模块的功能描述,并对模块结构和权存储方式进行了优化;最后,在特定的FPGA器件上实现了模糊CMAC网络;测试结果表明:该模糊CMAC网络的FPGA实现方法是可行的,硬件化后的网络具有速度快、精度高、占用器件资源少的特点,是SOPC中实现模糊CMAC网络模块的一种有效方法.