神经网络训练中的迭代扩展卡尔曼粒子滤波算法

• 作者: 张应博
• 来源期刊: 微电子学与计算机
• 关键词: 神经网络训练 迭代扩展卡尔曼滤波 迭代扩展卡尔曼粒子滤波
• 年，卷（期）: 2010,（8）
• 页码范围: 103-107
• 分类号: TP391
• 语种: 中文

摘要

基本粒子滤波算法已被成功用于训练神经网络,但该算法在建议分布的选择上并没有考虑当前时刻观测值的影响,针对该问题提出在神经网络训练中,使用迭代扩展卡尔曼滤波器来生成建议分布.由于迭代扩展卡尔曼滤波器在传递近似建议分布的均值和协方差的过程中,充分利用了观测值信息,从而可以更好地描述神经网络权值的后验概率分布.实验结果表明,在训练神经网络时,迭代扩展卡尔曼滤波器作为建议分布的粒子滤波算法训练性能明显优于基本粒子滤波算法及扩展卡尔曼粒子滤波算法(EKPF).

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张应博	大连理工大学城市学院	6	38	4.0	6.0