1)  CMAC
小脑模型连接控制
2)  Fuzzy cerebellar model articulation controller(FCMAC)
模糊小脑模型连接控制
3)  cerebellum model articulation controller
小脑模型连接控制CMAC
1.
A CMAC fuzzy neural network method is presented in combination with the theory of the fuzzy neural network and cerebellum model articulation controller.
结合模糊神经网络和小脑模型连接控制CMAC理论,提出训练时间短、精度高的CMAC模糊神经网络方法,给出了网络结构、算法,并通过一个维修经费预测实例讲述了这种算法。
4)  CMAC
小脑模型连接控制器
1.
In order to resolve the problem, this article gives firstly a simple and effective scaling method for target s maneuvering ability and then rectifies the system-parameter of model, which will improve the tracking precision, with CMAC network based on this kind of maneuvering ability.
为了解决这一问题 ,该文首先对目标的机动性能提出了一种简单但合理有效的量化方法 ,在此基础上 ,根据目标当前的机动性能 ,通过利用CMAC(小脑模型连接控制器 )网络对系统参数进行调整来提高跟踪精度。
5)  cerebellum
小脑
1.
Study on Determination of Biological Essential Macro-Elements K,Na,Mg,P in Fetal Cerebellum by ICP-AES;
ICP-AES法测定胎儿小脑组织中生物必需常量元素K、Na、Mg、P的研究
2.
Influence of different dosage of KIO3 on the development of cerebellum in the second filial generations of rats;
不同浓度碘酸钾对仔2代大鼠小脑Purkinje细胞的影响
3.
A Comparison on Stain of Purkinje Cell in Cerebellum by Two Different Methods;
两种染色方法对小脑浦肯野细胞显示效果的比较
6)  cerebella
小脑
1.
Effects of essential fatty acids on the cell construction of cerebella in neonatal rats;
必需脂肪酸对新生大鼠小脑细胞构筑结构的影响
2.
Objective To investigate the effect of carbon monoxide(CO) on cerebella gene expression in mice.
目的探讨CO对小鼠小脑基因表达的影响。
3.
Objective To investigate the MRI finding of cerebella astrocytoma and to improve the diagnosis ability for this disease.
目的探讨小脑星形细胞瘤的MRI表现,提高对本病的诊断水平。
参考词条
补充资料:小脑网络模型


小脑网络模型
cerebellar model articulation controller,CMAC

从神经元角度看,每个小格相当于一个神经元。每个神经元的感受域即为小格所占据的那部分输人空间。如果输入向量x落到某个神经元的感受域中,那么这个神经元就被触发。由于小格相互重叠,因此神经元的感受域也相互重叠。于是一个输人向量可能会同时触发多个神经元。所有被触发的神经元对应的权值加在一起即为这个输人向量所对应的输出。 根据小脑网络模型的上述思想,可以给出该模型的结构,如图1所示。图中S表示输入空间,A表示存储体。A的每个存储单元保存一个权值。CM叭C映射算法将S中的每个输人向量映射到A中g个存储单元。这g个存储单元的内容之和即为CMAC的输出。若两个输人向量在S中距离较近,则它们映射到A的相应存储单元有重叠,距离越近,重叠单元越多。若两输人向量在S中距离足够远,则它们映射到A的相应存储单元无重叠。这就是CMAC的局域泛化特性,g称为泛化常数。┌─┐┌─┐│ ││ │├─┤├─┤│ ││ │├─┤├─┤│ ││ │├─┤├─┤│ ││ │├─┤├─┤│ ││ │├─┤├─┤│ ││ │├─┤├─┤│ ││ │├─┤├─┤│ ││ │├─┤├─┤│ ││ │├─┤├─┤│ ││ │├─┤├─┤│ ││ │├─┤├─┤│ ││ │└─┘└─┘ 图1小脑网络模型 根据CMAC映射算法,每个输入向量s在存储A中激活g个地址。我们用向量X表示:所激活的地址,X的每个元素定义如下X(*)一{‘ (U若A中第艺个地址被:激活其它我们称X为指示器。所以常常使用X代替s做为CMAC的输人。 令W表示A的权值向量,则CM叭C的输出可表示为少=xTw(!MAC的学习算法可表示为 残+1=巩+ak对(yk一x抓)/gx loonao wangluo moxlng小脑网络模型(cerebellar model artieulationcontroner,CMAC)根据小脑的生物模型提出的一种神经网络模型,又称CM[AC网。 CMAC模型的基本思想可表述如下。设输入空间为X,x为属于X的任一输人向量。我们将输人空间划分为N个相互重叠的小格。对应于第i个小格定义函数件,i二1,2,…,N,其中。(x)一{三 (U若x属于第i个小格其它如果我们给每个小格i赋予一个权值w*,那么对于任一输人向量x,相应的输出y可写成,(二)=艺二,。(二)式中瓜是第k次学习的输人; yk是期望输出; 残、l是第k次学习之后的权值向量; ak是学习速度; g是泛化常数。
说明:补充资料仅用于学习参考,请勿用于其它任何用途。