Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

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