一种基于自适应粒子滤波的多层感知器学习算法

被引：2

作者：

席燕辉 ^{[1
,2
,3
]}

叶志成 ^{[1
,3
]}

彭辉 ^{[1
,3
]}

机构：

[1] 中南大学信息科学与工程学院

[2] 长沙理工大学电气与信息工程学院

[3] 先进控制与智能自动化湖南省工程实验室

来源：

中南大学学报(自然科学版) | 2013年 / 44卷 / 04期

关键词：

多层感知器; 粒子滤波; 自适应粒子滤波;

D O I：

暂无

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

摘要：

针对神经网络状态空间模型中系统噪声统计特性未知导致滤波发散或者滤波精度不高的问题,提出一种自适应的粒子滤波神经网络训练算法。该算法用粒子滤波估计网络的权时,利用序贯更新先验信息的序贯可信度最大化方法在线估计未知系统噪声方差。仿真结果表明:该自适应粒子滤波算法明显优于其他传统的神经网络训练算法,如扩展卡尔曼滤波、噪声可调的扩展卡曼滤波、普通粒子滤波等。

引用

页码：1397 / 1402

页数：6

共 5 条

[1] 一种结构自适应神经网络及其训练方法
宋彦坡
彭小奇
[J]. 控制与决策, 2010, 25 (08) : 1265 - 1268
[2] 基于扩展卡尔曼滤波的FLANN网络学习算法
钟华
金国平
郑林华
[J]. 信号处理, 2009, 25 (10) : 1555 - 1559
[3] MW-OBS:An Improved Pruning Method for Topology Design of Neural Networks
朱岩
鹿应荣
李倩
[J]. Tsinghua Science and Technology, 2006, (03) : 307 - 312
[4] Biological engineering applications of feedforward neural networks designed and parameterized by genetic algorithms
Ferentinos, KP
[J]. NEURAL NETWORKS, 2005, 18 (07) : 934 - 950
[5] Sequential Monte Carlo methods to train neural network models
de Freitas, JFG
Niranjan, M
Gee, AH
Doucet, A
[J]. NEURAL COMPUTATION, 2000, 12 (04) : 955 - 993

← 1 →