一种提高神经网络泛化能力的自适应UKF滤波算法.pdfVIP

一种提高神经网络泛化能力的自适应UKF滤波算法.pdf

  1. 1、本文档共4页,可阅读全部内容。
  2. 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. 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. 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. 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. 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. 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. 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)

heroliuguan + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:8073070133000003

1亿VIP精品文档

相关文档