走在汽車革命的路上論文書籍站
清雲科技大學 電機工程所 江青瓚所指導 楊勝傑的 運用回歸型最簡類化型小腦模型控制器改善全球衛星定位系統動態誤差 （2011），提出GBF 記憶體關鍵因素是什麼，來自於回歸架構、最簡定址架構之類化型小腦模型控制器、全球衛星定位系統、預測、改善動態誤差。
而第二篇論文國立臺灣海洋大學 通訊與導航工程學系 莊季高所指導 鄭宗儒的 適應性自組織小腦模型控制器於飛機降落系統之應用及DSP硬體實現 （2010），提出因為有 自組織、小腦、飛機、適應性的重點而找出了 GBF 記憶體的解答。
運用回歸型最簡類化型小腦模型控制器改善全球衛星定位系統動態誤差
為了解決GBF 記憶體 的問題，作者楊勝傑 這樣論述：
本研究的目的是要運用”回歸型最簡定址架構之類化型小腦模型控制器”(Recurrent S_CMAC_GBF)來改善全球衛星定位系統(Global Positioning System)之精準度，並使其以FPGA晶片來實現及測試。本研究呈現以Recurrent S_CMAC_GBF 改善GPS之動態誤差，並回饋至接收器本身做誤差校正，藉由改善並提升衛星接收器定位的準確度。我們使用低成本的商業模組(Trimble Lassen IQ)與昂貴的商業模組(Trimble 5700)接收器改善GPS動態誤差，讓低成本的商業模組(Trimble Lassen IQ)接收器的定位精準度做進一步的提昇。最後
使用以Recurrent S_CMAC_GBF為架構之FPGA硬體測試結果，並由RS-232將資料回傳至電腦驗證之。
適應性自組織小腦模型控制器於飛機降落系統之應用及DSP硬體實現
為了解決GBF 記憶體 的問題，作者鄭宗儒 這樣論述：
不良的天候狀況在航機起飛及進場時，對於機上人員的安全有很大的危害。美國國家運輸安全委員會在1950至2009年間的研究調查指出，平均有12％的飛安意外事件因天候造成。航機在進場或落地階段，因為在高度不高及速度不快的情況下，一但遇到剪風或亂流等大氣的劇烈變化，會造成飛機航向、下滑軌跡的偏移，嚴重影響飛航安全。現今大部分的飛機上都已安裝有自動降落系統，能夠在正常的飛航環境中安全地幫助飛行器自動降落，並明顯的減輕飛行員的工作負擔，但傳統的自動著陸系統所採用的控制理論為增益預定或傳統適應控制的技術，一旦飛行條件或風擾強度超出系統所能適應之範圍，飛行員就必須關閉自動著陸系統改由手動駕駛接管飛機著陸程序
。本論文應用自組織小腦模型控制器於飛機著陸控制，並利用李阿普諾理論推導出最佳學習率，以提升自動著陸系統的性能，克服外在天候的劇烈變化，有效降低飛機降落過程的風險。本文進一步以TMS320 C6713 DSP 開發工具，連結JTAG，利用CCS編譯完成的程式碼載入至DSP的快閃記憶體，完成線上即時模擬程序，實現浮點DSP控制器的即時自動著陸系統。