一种新的快速小波网络学习算法

摘要

针对小波网络学习算法具有训练时间长、收敛缓慢,以及训练时频繁调整隐含层与输出结点之间的权重,难以确定合适的步长等缺点,提出了一种把梯度下降方法和Kalman方法有机结合的快速学习算法。该算法使用梯度下降方法调整尺度和平移系数,用Kalman方法调整权重,以动态非线性系统和混沌系统为实例做了仿真,并与其它方法做了比较。结果表明该算法能够对动态非线性系统的输入输出快速学习和建模,优于其它小波网络的学习算法。