基于贝叶斯ELM的隐层节点数稀疏性研究
在贝叶斯极限学习机中,模型隐层节点数的确定尚无理论依据,一种基于多响应稀疏回归方法(Multiresponse Sparse Regression,MRSR)的隐层节点数稀疏方法由此被提出.首先根据传统神经网络确定隐层节点数的经验方法设定模型的隐层节点数为区间范围的上限,然后利用MRSR方法对模型输出矩阵和标签向量进行稀疏性回归分析求解,最后能得到一个既能对隐层节点数进行稀疏也能对样本个数进行稀疏的贝叶斯极限学习机模型.仿真结果表明该方法在满足精度要求的前提下能剔除冗余的隐层节点,进一步实现了模型的稀疏性.
贝叶斯极限学习机、隐层节点数、多响应稀疏回归方法
24
TP273(自动化技术及设备)
2018-01-04(万方平台首次上网日期,不代表论文的发表时间)
共5页
2539-2543