一种改进的神经网络增量学习算法

摘要：

基于扩展KALMAN滤波器(Extended Kalman Filter)的神经网络是一类应用广泛的神经网络算法,但该算法在大数据量、抵抗噪声等方面还有相当的缺陷.本文从增量学习的角度出发,对扩展KALMAN滤波器算法进行了改进,同时借鉴周期算法的长处,引入部分增量训练机制(Partial incremental Training)和适当的隐层节点删减机制,使该算法在抵抗噪声等方面有了显著的提高.理论分析表明,该算法可以有效降低噪声数据的影响,提高神经网络算法的鲁棒性.

关键词：神经网络、滤波器filter、算法、增量学习

所属期刊栏目：34

分类号：TP3(计算技术、计算机技术)

在线出版日期：2007-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：177-178,238