基于非线性滤波优化的前馈神经网络训练方法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 非线性滤波理论 | 第11-13页 |
| 1.2.2 前馈神经网络训练方法 | 第13-15页 |
| 1.3 论文研究内容和结构安排 | 第15-18页 |
| 2 基础知识 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 非线性系统建模 | 第18-19页 |
| 2.3 典型非线性滤波器设计与实现 | 第19-25页 |
| 2.3.1 扩展卡尔曼滤波 | 第19-20页 |
| 2.3.2 不敏卡尔曼滤波 | 第20-21页 |
| 2.3.3 容积卡尔曼滤波 | 第21-23页 |
| 2.3.4 粒子滤波 | 第23-25页 |
| 2.4 典型人工神经网络结构及训练方法 | 第25-30页 |
| 2.4.1 前馈神经网络 | 第25-26页 |
| 2.4.2 反馈神经网络 | 第26-29页 |
| 2.4.3 自组织神经网络 | 第29-30页 |
| 2.5 小节 | 第30-32页 |
| 3 基于容积卡尔曼滤波多层感知器训练方法 | 第32-40页 |
| 3.1 引言 | 第32-33页 |
| 3.2 多层感知器结构 | 第33-34页 |
| 3.2.1 多层感知器结构模型 | 第33页 |
| 3.2.2 多层感知器状态空间模型 | 第33-34页 |
| 3.3 算法设计与实现 | 第34-36页 |
| 3.4 仿真实验与结果分析 | 第36-39页 |
| 3.4.1 仿真环境设置 | 第36-37页 |
| 3.4.2 仿真结果与分析 | 第37-39页 |
| 3.5 小结 | 第39-40页 |
| 4 基于迭代容积卡尔曼滤波径向基网络训练方法 | 第40-52页 |
| 4.1 引言 | 第40-41页 |
| 4.2 高斯-牛顿迭代策略 | 第41-42页 |
| 4.3 迭代容积卡尔曼滤波 | 第42-43页 |
| 4.4 径向基网络结构 | 第43-46页 |
| 4.4.1 径向基网络结构 | 第44-45页 |
| 4.4.2 径向基网络状态空间模型 | 第45-46页 |
| 4.5 算法设计与实现 | 第46-48页 |
| 4.6 仿真实验与结果分析 | 第48-51页 |
| 4.6.1 仿真场景设置 | 第48-50页 |
| 4.6.2 仿真结果与分析 | 第50-51页 |
| 4.7 总结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52-53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-60页 |
| 致谢 | 第60-62页 |
| 攻读学位期间的科研成果 | 第62-63页 |
