對RBF神經(jīng)網(wǎng)絡(luò)串行可裁減算法(GAP-RBF)的一種改進.pdf_第1頁
已閱讀1頁,還剩172頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、本文對徑向基(RBF)神經(jīng)網(wǎng)絡(luò)的各種串行在線學(xué)習(xí)算法進行了系統(tǒng)的分析研究,根據(jù)RBF網(wǎng)的原理與串行算法的特征提出了把分布式擴展卡爾曼濾波器(DecoupledExtendKalmanFilter-DEKF)和串行學(xué)習(xí)相結(jié)合的學(xué)習(xí)方法,新的方法改善RBF網(wǎng)的實時在線學(xué)習(xí)的性能。 RBF網(wǎng)絡(luò)隱層中心的選擇與調(diào)整是決定RBF網(wǎng)實時性能的重要因素。本文首先對目前RBF網(wǎng)絡(luò)隱層結(jié)點數(shù)選擇問題的幾種通常的串行算法進行了分析,并指出它們的優(yōu)點

2、和不足;接著在一種性能優(yōu)良的串行可裁減學(xué)習(xí)方法GAP-RBF(GrowingandPruningRBF)的基礎(chǔ)上,用DEKF方法替換GAP-RBF的EKF方法,提出了一種改進的用于訓(xùn)練直連型徑向基神經(jīng)網(wǎng)絡(luò)(DirectLinkingRadialBaseFunctionNetwork-DRBF)的串行學(xué)習(xí)方法,該方法像GAP-RBF一樣不需要對訓(xùn)練數(shù)據(jù)進行重復(fù)學(xué)習(xí),因為DEKF的運算量大大低于EKF,學(xué)習(xí)速度比GAP-RBF快,并且用該方

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論