基于Softplus激活函数和改进Fisher判别的ELM算法
在极限学习机( extreme learning machine,ELM)网络中,对可加型隐单元的激活函数通常选择的是Sigmoid函数。因此,首先提出一种新型修正线性函数的近似平滑函数Softplus来替代它。 Softplus激活函数因为更接近生物学的激活模型且具有一定的稀疏能力,可进一步优化网络性能。其次,为了使ELM算法训练的网络具有更好的分类性能,考虑了类内距和类间距的约束,提出了基于改进Fisher判别约束的ELM算法,从而使解析求得的输出权值更加利于分类,进一步改进了识别性能。最后,在手写数字库和人脸库上的实验证明了改进ELM算法的可行性和优越性。
ELM算法、激活函数、Fisher判别
U461;TP308(汽车工程)
国家自然科学基金资助项目61370119;北京市自然科学基金资助项目4132013
2015-09-22（万方平台首次上网日期，不代表论文的发表时间）
共8页
1341-1348
