一种可应用于嵌入式系统的低复杂度超限学习机训练方法

摘要：

为解决超限学习机复杂度较高的问题,提出了一种新型的超限学习机更新策略,称为序列超限学习机.避免了复杂度较高的逆矩阵运算,而且能够应用于嵌入式系统中.序列超限学习机比各种广泛应用的机器学习分类器具有更低的计算复杂度.基于实际数据集的仿真结果表明,序列超限学习机的分类精度比传统超限学习机和其他广泛应用的分类器更高,而且具有更短的训练时间.

关键词：超限学习机、神经网络、分类算法、低复杂度、嵌入式系统

所属期刊栏目：41

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金项目61631003, 61525101;深圳市海外高层次人才创新创业专项资金"孔雀团队" 项目KQTD2015033114415450

在线出版日期：2018-07-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：9-14