對RBF神經(jīng)網(wǎng)絡串行可裁減算法（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，請進行舉報或認領

文檔簡介

1、本文對徑向基(RBF)神經(jīng)網(wǎng)絡的各種串行在線學習算法進行了系統(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)和串行學習相結(jié)合的學習方法，新的方法改善RBF網(wǎng)的實時在線學習的性能。 RBF網(wǎng)絡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)良的串行可裁減學習方法GAP-RBF(GrowingandPruningRBF)的基礎上，用DEKF方法替換GAP-RBF的EKF方法，提出了一種改進的用于訓練直連型徑向基神經(jīng)網(wǎng)絡(DirectLinkingRadialBaseFunctionNetwork-DRBF)的串行學習方法，該方法像GAP-RBF一樣不需要對訓練數(shù)據(jù)進行重復學習，因為DEKF的運算量大大低于EKF，學習速度比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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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)容負責。
  • 6. 下載文件中如有侵權或不適當內(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確性、安全性和完整性, 同時也不承擔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。

評論

0/150

提交評論