论文部分内容阅读
首先基于离散泰勒级数设计了一种可实现对任意阶多维函数无差逼近的新型CMAC神经网络,给出了其插值算法及训练算法.该系统相对于传统的CMAC神经网络具有学习精度高、收敛速度快、所需内存单元少等优点.并基于新型CMAC神经网络设计了一种复杂系统的高性能实时控制策略.该方案不依赖于系统的数学模型,具有较强的鲁棒性和通用性,仿真结果表明了该方案的可行性与有效性.