文献类型：期刊文献

中文题名：联想记忆系统学习算法的改进

英文题名：Improvement of Learning Algorithm for the Associative Memory System

作者：邢春峰[1];王信峰[1]

机构：[1]北京联合大学基础部

第一机构：北京联合大学基础教学部

年份：2004

卷号：34

期号：9

起止页码：92-96

中文期刊名：数学的实践与认识

外文期刊名：Mathematics In Practice and Theory

收录：CSTPCD;;北大核心:【北大核心2000】；CSCD:【CSCD_E2011_2012】；

语种：中文

中文关键词：学习算法;联想记忆;CMAC;实时;模式识别;智能控制;泛化;系统学习;能力;公式

外文关键词：neural network; associative memory system; function approximation; Newton′s backward Interpolation formula

摘要：借助于牛顿向后插公式对文 [1 ]的 NFI-AMS学习算法进行了改进 ,改进后的联想记忆系统的学习算法不但具有原来学习算法的收敛速度快、学习精度高等优点 ,而且还具备了 CMAC-AMS本身具有的局部泛化 (generalaization亦称推广 )能力以及对周围信息的收集能力大大增强等等 .数值模拟表明 ,这种改进的NFI-AMS在信号处理。
The Associative Memory System based on Newton′s Forward Interpolation formula(NFI-AMS) is improved by Newton's backward Interpolation formula. Improved learning algorithm posses not only the advantages over NFI-AMS in fast convergence rate and high precision of learning, but also the advantages over part generalaization of CMAC-AMS and strengthens collection information. Numerical simulations have shown that application areas of signal processing, pattern recognition, and controller implementation for high-precision real-time intelligent control.