首页> 中文会议>第29届中国控制会议 >神经网络训练中的粒子滤波算法

神经网络训练中的粒子滤波算法

摘要

基本粒子滤波算法已被成功用于训练神经网络,但该算法在建议分布的选择上并没有考虑当前时刻观测值的影响,本文针对该问题提出使用迭代扩展卡尔曼滤波器来生成建议分布。由于迭代扩展卡尔曼滤波器在传递近似建议分布的均值和协方差的过程中,充分利用了观测值信息,从而可以更好的描述神经网络权值的后验概率分布。实验结果证明,在训练神经网络时,使用迭代扩展卡尔曼滤波器作为建议分布的粒子滤波算法性能明显优于基本粒子滤波算法及扩展卡尔曼粒子滤波算法(EKPF)。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号