留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

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

高为广, 杨元喜, 张婷. 一种提高神经网络泛化能力的自适应UKF滤波算法[J]. 武汉大学学报 ● 信息科学版, 2008, 33(5): 500-503.
引用本文: 高为广, 杨元喜, 张婷. 一种提高神经网络泛化能力的自适应UKF滤波算法[J]. 武汉大学学报 ● 信息科学版, 2008, 33(5): 500-503.
GAO Weiguang, YANG Yuanxi, ZHANG Ting. An Adaptive UKF Algorithms for Improving the Generalization of Neural Network[J]. Geomatics and Information Science of Wuhan University, 2008, 33(5): 500-503.
Citation: GAO Weiguang, YANG Yuanxi, ZHANG Ting. An Adaptive UKF Algorithms for Improving the Generalization of Neural Network[J]. Geomatics and Information Science of Wuhan University, 2008, 33(5): 500-503.

一种提高神经网络泛化能力的自适应UKF滤波算法

基金项目: 国家自然科学基金资助项目(40274002,40474001)
详细信息
    作者简介:

    高为广,博士。现主要从事动态大地测量数据处理研究。

  • 中图分类号: P207.2

An Adaptive UKF Algorithms for Improving the Generalization of Neural Network

Funds: 国家自然科学基金资助项目(40274002,40474001)
计量
  • 文章访问数:  830
  • HTML全文浏览量:  42
  • PDF下载量:  413
  • 被引次数: 0
出版历程
  • 收稿日期:  2008-03-16
  • 修回日期:  2008-03-16
  • 刊出日期:  2008-05-05

一种提高神经网络泛化能力的自适应UKF滤波算法

    基金项目:  国家自然科学基金资助项目(40274002,40474001)
    作者简介:

    高为广,博士。现主要从事动态大地测量数据处理研究。

  • 中图分类号: P207.2

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。

English Abstract

高为广, 杨元喜, 张婷. 一种提高神经网络泛化能力的自适应UKF滤波算法[J]. 武汉大学学报 ● 信息科学版, 2008, 33(5): 500-503.
引用本文: 高为广, 杨元喜, 张婷. 一种提高神经网络泛化能力的自适应UKF滤波算法[J]. 武汉大学学报 ● 信息科学版, 2008, 33(5): 500-503.
GAO Weiguang, YANG Yuanxi, ZHANG Ting. An Adaptive UKF Algorithms for Improving the Generalization of Neural Network[J]. Geomatics and Information Science of Wuhan University, 2008, 33(5): 500-503.
Citation: GAO Weiguang, YANG Yuanxi, ZHANG Ting. An Adaptive UKF Algorithms for Improving the Generalization of Neural Network[J]. Geomatics and Information Science of Wuhan University, 2008, 33(5): 500-503.

目录

    /

    返回文章
    返回