首页|基于扩展卡尔曼滤波器的RBF神经网络学习算法

基于扩展卡尔曼滤波器的RBF神经网络学习算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Learning Algorithm of RBF Neural Networks Based on Extended Kalman filter

何成伟、韩振铎、桑成伟、徐占刚

展开 >

空军雷达学院,指挥自动化工程系,湖北,武汉,430019

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

国防科技预研项目

51421040103JB4902

2006

计算机测量与控制
中国计算机自动测量与控制技术协会

计算机测量与控制

CSTPCDCSCD
影响因子：0.546
ISSN：1671-4598
年,卷(期)：2006.14(12)
  • 3
  • 1