Primjena proširenog Kalmanovog filtra za učenje dinamičkih neuronskih mreža (CROSBI ID 338810)
Ocjenski rad | diplomski rad
Podaci o odgovornosti
Novosel, Stjepan
Petrović, Ivan
hrvatski
Primjena proširenog Kalmanovog filtra za učenje dinamičkih neuronskih mreža
Ovaj rad počinje kratkim pregledom arhitektura neuronskih mreža (statičkih i dinamičkih) koje su korištene za implementaciju algoritma učenja temeljenog na proširenom Kalmanovom filtru. Predstavljen je opći algoritam učenja neuronskih mreža temeljen na Kalmanovom filtru (GEKF), popraćen preporukama u podešavanju parametara učenja, uključujući i povezanost izbora kojeficijenta učenja i inicijalizacije matrice kovarijanci pogrešaka. Za primjenu u realnom postrojenju, naftnoj rafineriji, konstruiran je softverski senzor viskoznosti izlaznih proizvoda baziran na neuronskoj mreži. Za učenje neuronske mreže korišten je GEKF algoritam. Simulacijski rezultati te analiza predhodno spomenutih preporuka dani su u završnim poglavljima ovog rada.
algoritam učenja temeljen na proširenom Kalmanovom filtru; neuronske mreže; parametarsko učenje temeljeno na Kalmanovom filtru; algoritam povratnog prostiranja pogreške; softverski senzor; estimator
nije evidentirano
engleski
Training reccurent neural networks with extended Kalman algorithm
nije evidentirano
EKF training algorithm; neural network; parameted-based Kalman filter training; backpropagation algorithm; soft sensor; estimator
nije evidentirano
Podaci o izdanju
65
28.09.2004.
obranjeno
Podaci o ustanovi koja je dodijelila akademski stupanj
Fakultet elektrotehnike i računarstva
Zagreb