一种前馈神经网络的卡尔曼滤波学习方法

本文针对前馈神经网络误差反向传播算法（ＢＰ算法）收敛速度慢且常常收敛于局部极小值等缺陷，提出了一种基于推广卡尔曼滤波估计的快速学习新方法，与ＢＰ算法相比较，该方法不仅学习收敛速度快，数值稳定性好，所需学习次数和国节点数少，而且所需调节参数少，便于工程应用。非线性系统建模与辨识的仿真计算结果表明，该方法是提高网络学习速度、改善学习性能的一种有效方法，可有效解决工业过程等非线性系统建模与辨识问题。