АРХИТЕКТУРА ГЛУБОКОЙ НЕЙРОННОЙ СЕТИ В ЗАДАЧЕ ПРОГНОЗИРОВАНИЯ КООРДИНАТ ДВИЖУЩЕЙСЯ ЦЕЛИ
ARCHITECTURE OF A DEEP NEURAL NETWORK IN THE PROBLEM OF PREDICTING THE COORDINATES OF A MOVING TARGET

Скачать статью

Авторы

В.К. КЕМАЙКИН, канд. техн. наук, А.С. ПОЛЫГАЕВ, студ.

Аннотация

Рассмотрено использование глубокой рекуррентной нейронной сети в задаче прогнозирования координат движущейся цели в условиях неточности измерений. Обучение нейронной сети проводится на предварительной выборке координат ограниченной длины, моделируются ошибки измерения координат. Характер движения цели при тестировании сети отличается от модели, используемой при обучении нейронной сети и положенной в основу фильтра Калмана.

Ключевые слова

искусственная нейронная сеть, нейронная сеть с долгой кратковременной памятью, фильтр Калмана, прогнозирование временных рядов, фильтрация измерений, экстраполяция.

Abstract

The use of a deep recurrent neural network in the problem of predicting the coordinates of a moving target under conditions of measurement inaccuracy is considered. The training of the neural network is carried out on a preliminary sample of coordinates of a limited length, errors in measuring the coordinates are modeled, the nature of the movement of the target during network testing differs from the model used in training the neural network and underlying the Kalman filter.

Keywords

artificial neural network, long short-term memory neural network, Kalman filter, time series forecasting, measurement filtering, extrapolation.