基于容积卡尔曼滤波的神经网络训练算法
CSTR:
作者:
作者单位:

河南大学图像处理与模式识别研究所,河南开封457004.

作者简介:

胡振涛

通讯作者:

中图分类号:

TP391

基金项目:

国家自然科学基金项目(61300214);中国博士后科学基金项目(2014M551999);河南省高校科技创新团队支持计划项目(13IRTSTHN021);河南省博士后科学基金项目(2013029);河南省高校青年骨干教师计划项目(2013GGJS-026);河南大学优秀青年培育基金项目(0000A40366).


Training method of neural network based on cubature Kalman filter
Author:
Affiliation:

Institute of Image Processing and Pattern Recognition,He’nan University,Kaifeng 475004,China.

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对现有的利用非线性滤波算法对神经网络进行训练中存在滤波精度受限和效率不高的缺陷, 提出一种基于容积卡尔曼滤波(CKF) 的神经网络训练算法. 在算法实现过程中, 首先构建神经网络的状态空间模型; 然后将网络连接权值作为系统的状态参量, 并采用三阶Spherical-Radial 准则生成的容积点实现神经网络中节点连接权值的训练. 理论分析和仿真结果验证了所提出算法的可行性和有效性.

    Abstract:

    Aiming at the defects of filtering precision limitation and low efficiency in using the existing nonlinear filtering algorithms for neural network training, a novel neural network training algorithm based on the cubature Kalman filter is proposed. Firstly, the state space model of the neural network is established. Then the network connection weights are used as the state of the system’s parameters, and the training process of neural network weights is realized by a set of cubature points produced by adopting the third-order spherical-radial standards. The theoretical analysis and simulation results show the feasibility and effectiveness of the proposed algorithm.

    参考文献
    相似文献
    引证文献
引用本文

胡振涛 袁光耀 胡玉梅 刘先省.基于容积卡尔曼滤波的神经网络训练算法[J].控制与决策,2016,31(2):355-360

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2014-10-16
  • 最后修改日期:2015-01-12
  • 录用日期:
  • 在线发布日期: 2016-02-20
  • 出版日期:
文章二维码