10.3969/j.issn.1003-0530.2009.10.012
基于扩展卡尔曼滤波的FLANN网络学习算法
针对函数连接型神经网络(FLANN)误差反传(BP)学习算法存在收敛速度慢和容易陷入局部极小值等问题,结合扩展卡尔曼滤波(EKF)理论,提出了一种基于扩展卡尔曼滤波的FLANN网络学习算法.新算法把网络的权值作为EKF的状态,网络的输出作为EKF的观测,通过扩展卡尔曼滤波算法来调整网络权系数从而获得最优网络状态,即网络权系数的最优估计.仿真结果表明,新算法比BP学习算法在收敛速度和稳态误差性能等方面都得到了大大提高.
神经网络、FLANN、EKF、学习算法
25
TP183(自动化基础理论)
2009-12-15(万方平台首次上网日期,不代表论文的发表时间)
共5页
1555-1559