In this study, we propose an intuitive way for General Regression Neural Network (GRNN) and called it as GRNNa, to estimate the target position in the target tracking problem. In the literature GRNN has only been utilized for estimating the velocity of tergets. However, estimation of the target position is also required in many applications. We compare the simulation results of the GRNNa to the well known Kalman Filter.
У цьому дослідженні, ми пропонуємо інтуїтивно зрозумілий спосіб для нейронної мережі з ядерної регресією(GRNN) і називається він GRNNa, щоб оцінити цільову позицію в цільовому відстеження проблеми. У літературі GRNN використовується тільки для оцінки швидкості цілей. Тим не менш, оцінка цільової позиції вимагається також у багатьох додатках. Ми порівняємо результати моделювання GRNNa для відомого фільтра Калмана.
