Přejít k obsahu


Kalman filtering based methods for identification of nonlinear systems by neural networks

Citace: [] KRÁL, L., ŠIMANDL, M., DUNÍK, J., HERING, P. Kalman filtering based methods for identification of nonlinear systems by neural networks. In Proceedings of 6th International carpathian control conference. Miskolc-Lillafüred: University of Miskolc, 2005. s. 345-350. ISBN: 963 661 643 4
Druh: STAŤ VE SBORNÍKU
Jazyk publikace: eng
Anglický název: Kalman filtering based methods for identification of nonlinear systems by neural networks
Rok vydání: 2005
Místo konání: Miskolc-Lillafüred
Název zdroje: University of Miskolc
Autoři: Ladislav Král , Miroslav Šimandl , Jindřich Duník , Pavel Hering
Abstrakt CZ: Článek je věnován metodám Kalmanovské filtrace pro identifikaci nelineárních systémů neuronovými sítěmi. Důraz je kladen na odhad parametrů neuronové sítě, především na metody bezderivační kalmanovské filtrace. Uvažované metody umožňují snazší implementaci, protože není nutné počítat Jakobiány, jak je tomu u rozšířeného Kalmanova filtru. Kvalita odhadu a výpočetní nároky bezderivačních filtrů jsou porovnány s rozšířeným Kalmanovým filtrem.
Abstrakt EN: Identification of nonlinear system using neural networks and Kalman filtering based methods are treated. The stress is laid on networks parameters estimation, particularly by derivative-free Kalman filter based methods. The methods are easier for implementation because the Jacobian needed in standard methods as Extended Kalman Filters are not necessary to be evaluated. The derivative-free filters are compared with Extended Kalman filter, regarding especially estimation quality and numerical demands.
Klíčová slova

Zpět

Patička