基于扩展卡尔曼滤波器的RBF神经网络学习算法

• 作者: 何成伟 徐占刚 桑成伟 韩振铎
• 来源期刊: 计算机测量与控制
• 关键词: 扩展卡尔曼滤波器 径向基函数 神经网络 带有次优渐消因子的扩展卡尔曼滤波器
• 年，卷（期）: 2006,（12）
• 所属期刊栏目: 设计与应用
• 页码范围: 1682-1685
• 页数: 4页
• 分类号: TP3
• 语种: 中文
• DOI: 10.3321/j.issn:1671-4598.2006.12.033

摘要

径向基函数(RBF)神经网络可广泛应用于解决信号处理与模式识别问题,目前存在一些学习算法用来确定RBF中心节点和训练网络,对于确定RBF中心节点向量值和网络权重值可以看作同一系统问题,因此该文提出把扩展卡尔曼滤波器(EKF)用于多输入多输出的径向基函数(RBF)神经网络作为其学习算法,当确定神经网络中网络节点的个数后,EKF可以同时确定中心节点向量值和网络权重矩阵,为提高收敛速度提出带有次优渐消因子的扩展卡尔曼滤波器[1](SFEKF)用于RBF神经网络学习算法,仿真结果说明了在学习过程中应用EKF比常规RBF神经网络有更好的效果,学习速度比梯度下降法明显加快,减少了计算负担.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩振铎	空军雷达学院指挥自动化工程系	16	39	4.0	5.0
2	徐占刚	空军雷达学院指挥自动化工程系	2	8	2.0	2.0
3	桑成伟	空军雷达学院指挥自动化工程系	3	18	2.0	3.0
4	何成伟	空军雷达学院指挥自动化工程系	1	6	1.0	1.0