10.3969/j.issn.1003-0530.2004.05.006
一种计算动态导数的新方法
基于梯度的算法训练带反馈多层感知网络(recurrent MLP,RMLP)时,必须先计算网络输出层内状态向量对所有可调参数的动态导数,而文献[Puskorius等1992,1994年]给出的动态导数计算公式存在计算量大和存储空间需求高的问题.本文给出计算动态导数的新方法,与文献方法相比,本文方法能显著减少计算量和存储空间.解耦合的扩展Kalman滤波算法(Decoupled Extended Kalman Filter,DEKF)是一种结合梯度和Kalman滤波的高效RMLP训练算法.分别用本文方法和文献方法计算动态导数,再用DEKF调节网络权参数,仿真表明两种情况下训练得到的网络具有同样的性能.
RMLP网络、DEKF算法、动态导数、系统辨识
20
TN91
2007-10-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
456-460