基于粒子滤波的神经网络学习算法
为了克服一般神经网络学习方法易陷入局部极小值的缺陷,本文提出一种新的基于粒子滤波的神经网络学习算法.粒子滤波是一种能够对高度非线性系统进行全局寻优的策略,将其用于神经网络的学习,可以搜索到经验风险函数的最小值.同时,采用UKF(Unseented Kalman Filter)产生粒子,以较少的粒子逼近状态的后验概率分布.此方法适用于在线的、非线性的、非高斯的信号处理仿真结果表明,该学习方法与同类方法相比,性能明显提高。
粒子滤波 神经网络学习 UKF 局部极小值 全局寻优 后验概率
王来雄 黄士坦
西安微电子技术研究所,西安,710075
国内会议
北京
中文
87-90
2004-11-01（万方平台首次上网日期，不代表论文的发表时间）