基于小脑模型神经网络的轨迹跟踪研究（Matlab代码实现）

news/2024/12/2 13:39:51/

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

（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。

📚2 运行结果

部分代码：

%% 概念映射与实际映射
for i=1:1:c
s(k,i)=round((u(k)-xmin)*M/(xmax-xmin))+i; %Quantity:U-->AC
ad(i)=mod(s(k,i),N)+1; %Hash transfer:AC-->AP
end

sum=0;
for i=1:1:c
sum=sum+w(ad(i));
end
%% 输出层
yn(k)=sum;
y(k)=u_1^3+y_1/(1+y_1^2); %Nonlinear model
%% 跟踪误差
error(k)=y(k)-yn(k);
%% 权重调整
for i=1:1:c
ad(i)=mod(s(k,i),N)+1;
j=ad(i);
d_w(j)=xite*error(k);
w(j)=w_1(j)+d_w(j)+alfa*(w_1(j)-w_2(j));
end
%% 迭代更新
%%%% Parameters Update %%%%