基于粒子滤波的神经网络学习算法

：为了克服一般神经网络学习方法易陷入局部极小值的缺陷，提出一种新的基于粒子滤波的神经网络学习算法．采用无迹卡尔曼滤波(Unscented Kalman Filter，UKF)产生粒子，以较少的粒子逼近状态的后验概率分布，搜索到经验风险函数的最小值．此方法适用于在线的、非线性的、非高斯的神经网络学习．仿真结果表明，该学习方法与同类方法相比，性能明显提高．