小脑模型神经网络CMAC

一、简介

（1） 在对人类神经学的研究中，得知它由一些神经元覆盖组成。在这项研究的基础上，Albus J.S.于1975年根据神经生理学小脑皮层结构特点提出了一种小脑模型关联控制器，经过多年的完善和发展，形成了成熟的小脑模型神经网络理论（Cerebellar Model Articulation Controller—CMAC）。
（2） CMAC是一种查表型自适应神经网络，它可以准确地描述出非线性函数的特征，同时，具有学习功能，可依据学习结果改变表格内容，对信息可区分存储。顾名思义，它具有人类小脑一般学习的功能，在多维度空间中进行映射，解决了输入端到输出端非线性的问题。
（3） CMAC是一种局部逼近神经网络，它具有一种联想记忆的功能，它的每一个神经元的输入输出是一种线性关系，但总体上是一种表达非线性映射的表格系统。

二、结构与原理

1.结构模型

CMAC把控制器的每个输入状态作为一个状态向量，组成一个输入空间。把网络训练的权值存入存储器，并根据期望输出与实际输出地误差来调整这些权值。它实际上是一种复杂的查表系统，主要用于表达非线性的映射。结构模型如下图所示：

AC:虚拟联想空间 AP：物理存储空间

2.工作原理

（1）概念映射（U→AC）