有哪些信誉好的足球投注网站- 1、本文档共4页，可阅读全部内容。
- 2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种提高神经网络泛化能力的自适应UKF滤波算法.pdf
第33卷第5期 武 汉 大 学 学 报 ·信 息 科 学 版 Vo1．33 No．5
2008年5月 Geomatics and Information Science of Wuhan University May 2008
文章编号：1671—8860(2008)05—0500—04 文献标志码：A
一 种提高神经网络泛化能力的
自适应UKF滤波算法
高为广 。 杨元喜 张 婷。
(1 信息工程大学测绘学院，郑州市陇海中路66号，450052)
(2 西安测绘研究所，西安市雁塔路中段 1号，710054)
(3 61081部队，北京市5136信箱，100094)
摘 要：给出了利用EKF(extended Kalman)滤波和UKF(unscented Kalman)滤波提高神经网络泛化能力的
方法。针对UKF参数选取随意性的问题，采用移动开窗估计法对状态噪声和观测噪声协方差矩阵进行自适
应估计，提出了一种新的提高神经网络泛化能力的自适应UKF算法。利用检测样本进行了验证，结果表明，
利用EKF、UKF和自适应UKF算法训练神经网络都能提高其泛化能力，其中自适应UKF算法优于其他几
种算法。
关键词：神经网络；EKF滤波；UKF滤波；自适应估计
中图法分类号：P207．2
对于非线性滤波问题的次优近似，一般有两 向量为01；输入层、隐含层以及隐含层、输出层间
大途径：①将非线性函数线性化，对高阶项采用 的连接权矩阵分别记为w。和W。；输入层、隐含
忽略或逼近的措施，其中以扩展卡尔曼滤波 层和输出层的神经元个数分别为P、q、r。则各层
(EKF)_】 为代表。②用采样的方法近似非线性 间输入、输出关系为：
分布。该方法可以较好地避免EKF存在的一些 I2一W2 0l，Or— S(I2) (1)
qX1 qXp px1 qX1 qX1
问题，常用的是UKF滤波 算法。文献E83研 I3一W3 02，03一 S(I3) (2)
r~1 rXq qX1 rX1 rX1
究了利用UKF进行神经网络学习的算法，该算
其中，神经元激励函数 S(·)一般取 S型函数。
法虽然能够克服EKF存在的一系列问题，在一定
各层间连接权修正公式的计算方法可参见文献
程度上提高网络的泛化能力，但UKF算法噪声
Eli。基于式(1)和式(2)，神经网络输入、输出关
协方差矩阵的选取存在很大的人为性。
系可以综合表示为：
为了进一步提高神经网络的泛化能力，本文
03一 S(W。S(W2 0。)) (3)
基于非线性数据处理理论的滤波思想，给出了利 r~1 rXq qXp pXl
根据非线性数据处理理论，利用式(3)即可基
用EKF、UKF提高网络泛化能力的算法。此外，
文档评论（0）