Přejít k obsahu


Local nonlinear filters with the second-order accuracy for neural network parameter estimation

Citace: [] HERING, P., KRÁL, L., ŠIMANDL, M. Local nonlinear filters with the second-order accuracy for neural network parameter estimation. In Proceedings of 7th International Carpathian control conference. Ostrava: VŠB -Technická univerzita, 2006. s. 165-168. ISBN: 80-248-1066-2
Druh: STAŤ VE SBORNÍKU
Jazyk publikace: eng
Anglický název: Local nonlinear filters with the second-order accuracy for neural network parameter estimation
Rok vydání: 2006
Místo konání: Ostrava
Název zdroje: VŠB -Technická univerzita
Autoři: Pavel Hering , Ladislav Král , Miroslav Šimandl
Abstrakt CZ: Odhad parametrů perceptronové sítě lokálními nelineárním filtračními metodami je zkoumán. Je porovnávána přesnost a rychlost rozšířeného Kalmanova filtru s filtrem druhého řádu a transformačním filtrem. Je ukázáno, že transformační filtr je při odhadu parametrů perceptronové sítě výrazně rychlejší než transformační filtr.
Abstrakt EN: This paper concentrates on parameter estimation of multi-layer perceptron network by nonlinear filtering methods. Whereas the EKF is using pproximation by the first order Taylor series expansion, the UKF estimates the parameters numerically by using a set of deterministically chosen points having higher degree of accuracy than the EKF without need to compute the derivatives of the function describing the network. Comparable accuracy as by UKF could be obtained by the truncated second-order filter (TSF). TSF has not been used yet because it is considered as more computationally demanding due to need of evaluation the matrix of second order derivatives. This paper points out, that the SKF is faster than the UKF in parameter estimation of MLP network thanks to a special form of the matrix of the second order derivatives. The evaluation of estimation quality and computational demands are demonstrated by a numerical example.
Klíčová slova

Zpět

Patička