10.3321/j.issn:1002-8331.2007.24.018
基于比例UKF的神经网络及其应用
提出了一种利用比例无轨迹卡尔曼滤波(Scaled-UKF)进行神经网络权值估计的算法,该算法可以克服BP算法存在的学习速率缓慢、计算量大、容易使学习陷入局部极小等缺点.以Mackey-Grass混沌时间序列作为神经网络输入,运用比例UKF算法、UKF算法、BP算法仿真神经网络.结果表明,比例UKF算法较之BP算法具有更快的训练速度和更高的预测精度,且可以避免网络学习陷入局部极小;而相对于UKF算法,其变量分布可不限定为高斯型且能保证状态方差半正定.
比例UKF、神经网络、Mackey-Grass、预测
43
TP183(自动化基础理论)
2007-10-08(万方平台首次上网日期,不代表论文的发表时间)
共3页
69-71