基于渐消滤波的神经网络优化算法及其应用 |
| |
引用本文: | 高社生,杨一,高兵兵.基于渐消滤波的神经网络优化算法及其应用[J].西北工业大学学报,2015(2):320-325. |
| |
作者姓名: | 高社生 杨一 高兵兵 |
| |
作者单位: | 西北工业大学自动化学院 |
| |
基金项目: | 国家自然科学基金(61174193)资助 |
| |
摘 要: | 针对BP神经网络在训练过程中易陷入局部极小值的问题,提出一种新的基于渐消滤波的神经网络学习算法。该算法采用渐消卡尔曼滤波对神经网络的权值进行更新,有效避免了梯度下降算法产生的局部极小问题;与卡尔曼滤波相比,在渐消滤波中充分考虑了最新量测值的影响,能更合理地利用新的有效信息,从而提高了学习算法的收敛速度。学习后的网络不仅具有普通神经网络的自主学习能力,而且具有渐消滤波的最优估计性能。将提出的神经网络算法应用于SINS/BDS组合导航系统进行仿真验证。结果表明,提出的算法在逼近精度方面优于BP算法和卡尔曼滤波算法,可以有效提高神经网络的泛化能力。
|
关 键 词: | 神经网络 渐消滤波 学习算法 组合导航 |
本文献已被 CNKI 等数据库收录! |
|