Odhad parametrů neuronové sítě filtry druhého řádu
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F06%3A00000014" target="_blank" >RIV/49777513:23520/06:00000014 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/49777513:23520/06:00000015
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Local nonlinear filters with the second-order accuracy for neural network parameter estimation
Popis výsledku v původním jazyce
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.
Název v anglickém jazyce
Local nonlinear filters with the second-order accuracy for neural network parameter estimation
Popis výsledku anglicky
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.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
BB - Aplikovaná statistika, operační výzkum
OECD FORD obor
—
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2006
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název statě ve sborníku
Proceedings of 7th International Carpathian control conference
ISBN
80-248-1066-2
ISSN
—
e-ISSN
—
Počet stran výsledku
4
Strana od-do
165-168
Název nakladatele
VŠB -Technická univerzita
Místo vydání
Ostrava
Místo konání akce
Rožnov pod Radhoštěm
Datum konání akce
1. 1. 2006
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—