基于自适应Kalman滤波的BP神经网络在导航中的应用

被引：4

作者：

聂建亮 ^{[1
]}

张卉 ^{[2
]}

机构：

[1] 长安大学地质工程与测绘工程学院

[2] 解放军军事经济学院基础部外语教研室

来源：

大地测量与地球动力学 | 2007年 / 03期

关键词：

BP神经网络; 自适应Kalman滤波; 泛化能力; 自适应因子; 导航;

D O I：

10.14075/j.jgg.2007.03.012

中图分类号：

V249.3 [导航];

学科分类号：

081105 ;

摘要：

针对传统BP神经网络的缺点,使用自适应Kalman滤波训练神经网络隐含层与输出层的连接权。与传统BP算法相比,该方法提高了BP神经网络的计算精度,增强了泛化能力。导航数据的计算结果证明该方法是一种改进训练连接权的有效方法。

引用

页码：56 / 59

页数：4

共 9 条

[1] 基于Kalman滤波的神经网络学习算法及其应用 [J].

田晓宇 ;

李明干 ;

刘沛 .

计算机与数字工程, 2005, (02) :40-42+104

[2] 基于方差分量估计的自适应融合导航 [J].

杨元喜 ;

高为广 .

测绘学报, 2004, (01) :22-26

[3] 基于扩展Kalman滤波的神经网络学习算法在股票预测中的应用 [J].

何芳 ;

陈收 .

系统工程, 2003, (06) :75-79

[4] 论动态自适应滤波 [J].

杨元喜 ;

何海波 ;

徐天河 .

测绘学报, 2001, (04) :293-298

[5] 基于Kalman滤波的神经网络快速学习算法及应用 [J].

王耀南 .

系统工程与电子技术, 1997, (03) :44-47

[6] 一种前馈神经网络的卡尔曼滤波学习方法 [J].

张友民，戴冠中，张洪才，卢京潮 .

信息与控制, 1994, (02) :113-118

[7]

人工神经网络技术及其应用[D]. 覃光华.四川大学. 2003

[8]

Adaptively robust filtering for kinematic geodetic positioning[J] . Y. Yang,H. He,G. Xu.Journal of Geodesy . 2001 (2-3)

[9]

Robust Kalman filter for rank deficient observation models[J] . K. R. Koch,Y. Yang.Journal of Geodesy . 1998 (7-8)

← 1 →