计算机测量与控制
計算機測量與控製
계산궤측량여공제
COMPUTER MEASUREMENT & CONTROL
2006年
12期
1682-1685
,共4页
何成伟%韩振铎%桑成伟%徐占刚
何成偉%韓振鐸%桑成偉%徐佔剛
하성위%한진탁%상성위%서점강
扩展卡尔曼滤波器%径向基函数%神经网络%带有次优渐消因子的扩展卡尔曼滤波器
擴展卡爾曼濾波器%徑嚮基函數%神經網絡%帶有次優漸消因子的擴展卡爾曼濾波器
확전잡이만려파기%경향기함수%신경망락%대유차우점소인자적확전잡이만려파기
径向基函数(RBF)神经网络可广泛应用于解决信号处理与模式识别问题,目前存在一些学习算法用来确定RBF中心节点和训练网络,对于确定RBF中心节点向量值和网络权重值可以看作同一系统问题,因此该文提出把扩展卡尔曼滤波器(EKF)用于多输入多输出的径向基函数(RBF)神经网络作为其学习算法,当确定神经网络中网络节点的个数后,EKF可以同时确定中心节点向量值和网络权重矩阵,为提高收敛速度提出带有次优渐消因子的扩展卡尔曼滤波器[1](SFEKF)用于RBF神经网络学习算法,仿真结果说明了在学习过程中应用EKF比常规RBF神经网络有更好的效果,学习速度比梯度下降法明显加快,减少了计算负担.
徑嚮基函數(RBF)神經網絡可廣汎應用于解決信號處理與模式識彆問題,目前存在一些學習算法用來確定RBF中心節點和訓練網絡,對于確定RBF中心節點嚮量值和網絡權重值可以看作同一繫統問題,因此該文提齣把擴展卡爾曼濾波器(EKF)用于多輸入多輸齣的徑嚮基函數(RBF)神經網絡作為其學習算法,噹確定神經網絡中網絡節點的箇數後,EKF可以同時確定中心節點嚮量值和網絡權重矩陣,為提高收斂速度提齣帶有次優漸消因子的擴展卡爾曼濾波器[1](SFEKF)用于RBF神經網絡學習算法,倣真結果說明瞭在學習過程中應用EKF比常規RBF神經網絡有更好的效果,學習速度比梯度下降法明顯加快,減少瞭計算負擔.
경향기함수(RBF)신경망락가엄범응용우해결신호처리여모식식별문제,목전존재일사학습산법용래학정RBF중심절점화훈련망락,대우학정RBF중심절점향량치화망락권중치가이간작동일계통문제,인차해문제출파확전잡이만려파기(EKF)용우다수입다수출적경향기함수(RBF)신경망락작위기학습산법,당학정신경망락중망락절점적개수후,EKF가이동시학정중심절점향량치화망락권중구진,위제고수렴속도제출대유차우점소인자적확전잡이만려파기[1](SFEKF)용우RBF신경망락학습산법,방진결과설명료재학습과정중응용EKF비상규RBF신경망락유경호적효과,학습속도비제도하강법명현가쾌,감소료계산부담.
