基于在线回声状态网络的变形数据预测分析  

Analysis and Prediction of Deformation Data Based on Online Echo State Network

作　　者：单毅[1] 杨建伟[1] 王新志[2] 

机构地区：[1]南京信息工程大学数学与统计学院,南京市宁六路219号210044 [2]南京信息工程大学遥感学院,南京市宁六路219号210044

出　　处：《大地测量与地球动力学》2016年第7期617-619,629,共4页Journal of Geodesy and Geodynamics

基　　金：国家自然科学基金(61572015)~~

摘　　要：结合Kalman滤波与回声状态网络,将在线回声状态网络算法应用于变形数据预测。回声状态网络的输出权值通过Kalman滤波训练,直接对网络的输出权值进行在线更新,克服了传统递归网络需要收集大量样本后才能进行拟合预测的缺陷,同时也保证了预测精度。实例计算验证了该方法的有效性。A new kind of on-line predictor is constructed by combining Kalman filtering with the echo state network. The method of Kalman filtering is applied to the echo state network output weights training, directly on-line updating the network output weights, overcoming the defects in traditional recurrent neural network（RNN） which is needed to collect a large number of samples. The examples demonstrate the effectiveness of the proposed method.

关 键 词：在线学习 变形观测数据 回声状态网络 KALMAN滤波 

分 类 号：P258[天文地球—测绘科学与技术]