论文部分内容阅读
为提高RBF神经网络的建模性能，提出一种基于改进无迹Kalman滤波（UKF）的RBF神经网络训练算法。在该算法中，首先将比例最小偏度单形Sigma点采样策略引入UT，以有效改进UKF，提升其计算效率，然后利用改进的UKF优化估计RBF神经网络的最优参数。仿真结果表明，改进的UKF比EKF具有更高的RBF神经网络模型训练精度，与传统UKF的模型精度大体相当，但速度更快，计算效率更高。