基于卡爾曼濾波器算法的徑向基神經網絡訓練算法研究.pdf_第1頁
已閱讀1頁，還剩115頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、卡爾曼濾波算法是工業(yè)中常用的優(yōu)化算法之一，廣泛應用于去噪、濾波、優(yōu)化等。由于其優(yōu)越的數(shù)學特性，所以很多的文獻中已經將它用于例如前向神經網絡以及遞歸神經網絡等一些神經網絡的訓練。本文首先對各種濾波算法應用于(RBFN)的訓練進行仿真研究，找出其優(yōu)缺點，在此基礎上提出了采用無先導卡爾曼濾波算法(Unscented Kalman Filter-UKF)來訓練徑向基神經網絡(RBFN)的新方法。
　　 擴展卡爾曼濾波器(EKF)已經被廣

2、泛的應用于神經網絡的訓練。但是本文通過仿真、研究，發(fā)現(xiàn)EKF的缺點是當訓練集很大的時候，這種算法的計算量將會非常的大而復雜以至于不能完成訓練任務，尤其對于RBFN。原因是因為EKF的狀態(tài)向量包含了所有神經網絡參數(shù)，這其中包括網絡中心點、權值等等內容，運算量非常大。針對這些問題，之后本文嘗試運用雙重卡爾曼濾波器算法(DEKF)，目的是將作為卡爾曼濾波器狀態(tài)變量的RBFN參數(shù)進行降維，改為由兩個并行處理的濾波器進行優(yōu)化計算，最終結果雖然有一

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論