学位论文 > 优秀研究生学位论文题录展示

神经网络及其在大地测量数据处理中的应用

作　者: 聂建亮
导　师: 杨元喜；张勤
学　校: 长安大学
专　业: 大地测量学与测量工程
关键词: 神经网络 BP神经网络 Elman神经网络 Hopfield神经网络扩展Kalman滤波(EKF) Unscented Kalman滤波(UKF) 粒子滤波抗差估计自适应因子
分类号: TP274
类　型: 硕士论文
年　份: 2007年
下　载: 178次
引　用: 3次
阅　读: 论文下载

内容摘要

本文主要研究了神经网络在大地测量若干领域的应用,论文的主要内容概括如下:1.首先介绍了BP神经网络、Elman神经网络和Hopfield神经网络的基本原理,并分析三种神经网络的优缺点。2.阐述了目前动态数据处理中常用的几种滤波方法,并介绍了关于贝叶斯估计的有关理论。3.讨论了神经网络中最常用的学习算法——BP算法,分析了BP算法存在的缺点;并介绍了基于EKF、UKF滤波的神经网络学习算法,该方法能够提高前向神经网络收敛速度和泛化能力。4.在EKF、UKF训练神经网络连接权的基础上,提出了自适应EKF、自适应UKF训练神经网络的思路,进一步提高了神经网络的性能。并用高程拟合算例证明了基于自适应滤波训练连接权算法的有效性。5.对于Hopfield神经网络来说,选择合理的能量函数尤为重要,因此论述了ALR函数作为能量函数的Hopfield神经网络;另外,将抗差估计原理引入Hopfield神经网络,进一步提高了神经网络的抗差能力;分别采用高程拟合和水准网平差验证了这两种算法。6.研究了神经网络在导航中的应用。讨论了动态数据异常检验的三种方法,并用实测数据进行了验证;采用具有反馈层的Elman神经网络处理捷联惯导精对准问题,提高了精对准的精度;采用基于自适应Kalman滤波与BP算法组合的算法处理惯导数据;将抗差自适应滤波理论应用于UKF,进一步完善了UKF理论,并用模拟算例进行了验证;针对粒子滤波的粒子退化问题,提出了自适应UKF重点方法,进一步提高粒子滤波的精度。

神经网络及其在大地测量数据处理中的应用

内容摘要

全文目录

相似论文