基于无先导卡尔曼滤波的RBFN训练算法研究-北京化工大学学报.PDFVIP

第 34 卷 第 2 期 北 京 化 工 大 学 学 报 Vol. 34 , No. 2 2007 年 JOURNAL OF BEIJ IN G UN IV ERSIT Y OF CHEMICAL TECHNOLO GY 2007 ·研究简报 · 基于无先导卡尔曼滤波的 RBFN 训练算法研究 张海涛 　李大字 　靳其兵 　耿延睿 (北京化工大学信息科学与技术学院 , 北京 　100029) ( ) ( ) 摘 　要 : 提出了应用无先导卡尔曼滤波器 U KF 来训练径向基神经网络 RBFN 的新方法 。与广义卡尔曼滤波器 ( ) ( ) EKF 和双重卡尔曼滤波器 DEKF 对函数的一阶近似不同 ,U KF 对非线性函数采用二阶近似展开 ,而且最重要 的一点是不必求取系统的雅克比矩阵 ,从而大大减小计算量 。本文对时间序列预测及分类问题进行了仿真 ,结果 证实了该方法的有效性和快速性 。 关键词 : 径向基神经网络 ; 卡尔曼滤波器 ; 无先导卡尔曼滤波器 中图分类号 : TP183 引　言 1 　基于 U KF 的 RBFN 学习方法 ( ) 径 向基 神 经 网络 RBFN 由 Broomhead 和 11 　RBFN 的非线性系统模型 Lowe 于 1988 年首次提出, 它的数学理论基础是多 因为 RBFN 可以完成由 m 维输入空间到 n 维 元函数的插值算法[ 1] 。RBFN 主要应用于将 m 维 输出空间的映射, 由此网络可以写成如下的形式 的输入空间映射到 n 维的输出空间, 也用于模式分 ( ) ( ) y = f x ×w 1 类[ 2] 和一些信号控制过程[ 3] 。 ( ) 其中f · w 为输出层权值 。实际上 为径向基函数, ( ) 卡尔曼滤波算法 KF 被应用于诸多领域, 例如 由于 RBFN 中心隐含层的激励函数为非线性的, 所 图像处理过程[ 4] , 模糊离散时间动力系统[ 5] 等 。扩 以整体网络也是一个非线性的网络 。由此, RBFN ( ) 展卡尔曼滤波器 EKF 也被广泛应用于工业领 的整体网络动作可以用离散时间非线性系统表达式 域[ 6] 。无先导卡尔曼滤波器由J ulier 等首次提出并 表示出来[ 9] [ 7] 且在理论上给出了证明 , 在实际应用中也得到了