10.3969/j.issn.2095-2163.2022.10.024
含有L21范数正则化的在线顺序RVFL算法
单隐层前馈神经网络(SLFN)以其量级轻、参数量少、训练成本低等优点,目前被广泛地运用于函数逼近处理、模式识别和控制领域中.随机向量函数连接网络(RVFL)作为SLFN的一种,能够将输入层与输出层做直接相连,加强输出层与输入层的关联.然而目前的预测任务中,已经训练好的网络在面对批量数据会随时间不断变化的情况时,则容易显露出泛化能力不足问题.为了提升网络的泛化能力,并防止重复训练,本文提出了一种在线顺序的RVFL算法,使用L21范数实现正则化.在UCI数据集上经过对多种相关参数的最佳选择后,与同类型的RVFL算法和LR21-RVFL算法相比,本文提出的LR21-OSRVFL算法在多种评价指标下均有更优表现.
单隐层前馈神经网络、随机向量功能连接网络、在线顺序、L21范数
12
TP183(自动化基础理论)
2022-11-10（万方平台首次上网日期，不代表论文的发表时间）
共4页
150-153
