|
|
1.
基于隐特征空间的极限学习机模型选择
毛文涛 赵中堂 贺欢欢
计算机应用
2013, 33 (06):
1600-1603.
DOI: 10.3724/SP.J.1087.2013.01600
针对极限学习机（ELM）中冗余的隐神经元会削弱模型泛化能力的缺点，提出了一种基于隐特征空间的ELM模型选择算法。首先，为了寻找合适的ELM隐层，在ELM中添加正则项，该项为现有隐层空间到低维隐特征空间的映射函数矩阵的Frobenius范数；其次，为解决该非凸问题，采用交替优化的策略，并通过凸二次型优化学习该隐空间；最终自适应得到最优映射函数和ELM模型。分别采用UCI标准数据集和载荷识别工程数据对所提算法进行测试，结果表明，与经典ELM相比，该算法可有效提高预测精度和数值稳定性，与现有模型选择算法相比，该算法预测精度相当，但运行时间则大幅降低。
参考文献 |
相关文章 |
多维度评价
|
|
