人工神经网络具有的智能在于它们能够学习过去的经验，并且可以局部地储存新的信息。正是这两个重要因素，促使Albus在1975年建立了小脑膜型神经网络理论， CMAC是小脑膜型关节控制器的简称。该算法基于Albus对小脑功能的理解，模拟了人脑的操纵控制系统，但是并没有模仿神经基质的结构特征。从每个神经元来看，各神经元之间应是一种线性关系，但是从总体结构来看，CMAC模型可以适合于一种非线性的映射关系。而且这种模型从输入开始就存在一种泛化能力。对一个输入样本学习后，可以对其相邻的样本产生一定的效应，因此在输入空间中，相近样本的输出在输出空间中也比较相近，其学习采用了简单的 法，它的收敛速度比BP算法快得多，特别是它把一个多维状态空间中的输入量，映射到一个比较小的有限的区域上，只要对多维空间中的部分样本进行学习，就可以达到轨迹学习和控制的目的。