一种基于扩展Kalman滤波器的神经网络学习算法

被引：8

作者：

李江

杨慧中

机构：

[1] 江南大学系统工程研究所

[2] 江南大学系统工程研究所无锡214122

来源：

东南大学学报(自然科学版) | 2004年 / S1期

关键词：

前馈神经网络; BP算法; 扩展Kalman滤波; 滤波发散;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了解决前馈神经网络BP算法在处理非线性对象时 ,收敛速度慢 ,易陷入局部极值 ,需调节参数多等的缺陷 ,提出将扩展卡尔曼滤波 (EKF)算法引入神经网络的学习中 .把前馈网络的所有权值、阈值作为EKF算法的状态 ,网络输出作为EKF的观测 .同时为了防止滤波发散 ,对算法做了改进 .仿真结果表明 ,该算法比BP算法在收敛速度、抗噪能力方面都有明显提高 ,同时还保证了一定的泛化能力

引用

页码：230 / 234

页数：5

共 6 条

[1] 用遗传算法优化神经网络初始权重的方法 [J].