局域极端学习机及其在状态在线监测中的应用

作     者：张弦 王宏力 ZHANG Xian,WANG Hong-li(Department of Automatic Control Engineering,The Second Artillery Engineering College,Xi’an 710025,China)

作者机构：第二炮兵工程学院自动控制工程系西安710025 

出 版 物：《上海交通大学学报》 (Journal of Shanghai Jiaotong University)

年 卷 期：2011年第45卷第2期

页      面：236-240页

核心收录：

学科分类：08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0838[工学-公安技术] 

主　　题：极端学习机 在线训练 电子系统 时间序列预测 状态监测 

摘      要：针对训练样本贯序输入时的极端学习机(ELM)训练问题,提出一种可实现在线训练的局域极端学习机(LELM).LELM以逐次增样训练与减样训练的方式实现在线训练,从而有效保持了简约的模型结构,同时利用分块矩阵求逆引理有效减小了多次模型训练的计算代价.混沌时间序列在线预测仿真表明,LELM的在线训练时间远小于ELM,且预测精度更高.基于时间序列预测的雷达发射机状态在线监测实例表明,相比于利用粒子群优化的自适应灰色模型方法,LELM具有更高的计算效率与预测精度,适用于电子系统状态在线监测.