武汉大学学报（工学版）
武漢大學學報（工學版）
무한대학학보（공학판）
ENGINEERING JOURNAL OF WUHAN UNIVERSITY（ENGINEERING EDITION)
2006年
6期
86-88
,共3页
粒子滤波%神经网络学习%UKF
粒子濾波%神經網絡學習%UKF
입자려파%신경망락학습%UKF
为了克服一般神经网络学习方法易陷入局部极小值的缺陷,提出一种新的基于粒子滤波的神经网络学习算法. 采用无迹卡尔曼滤波(Unscented Kalman Filter, UKF)产生粒子, 以较少的粒子逼近状态的后验概率分布, 搜索到经验风险函数的最小值. 此方法适用于在线的、非线性的、非高斯的神经网络学习. 仿真结果表明, 该学习方法与同类方法相比, 性能明显提高.
為瞭剋服一般神經網絡學習方法易陷入跼部極小值的缺陷,提齣一種新的基于粒子濾波的神經網絡學習算法. 採用無跡卡爾曼濾波(Unscented Kalman Filter, UKF)產生粒子, 以較少的粒子逼近狀態的後驗概率分佈, 搜索到經驗風險函數的最小值. 此方法適用于在線的、非線性的、非高斯的神經網絡學習. 倣真結果錶明, 該學習方法與同類方法相比, 性能明顯提高.
위료극복일반신경망락학습방법역함입국부겁소치적결함,제출일충신적기우입자려파적신경망락학습산법. 채용무적잡이만려파(Unscented Kalman Filter, UKF)산생입자, 이교소적입자핍근상태적후험개솔분포, 수색도경험풍험함수적최소치. 차방법괄용우재선적、비선성적、비고사적신경망락학습. 방진결과표명, 해학습방법여동류방법상비, 성능명현제고.
