无逆矩阵在线序列极限学习机*

摘要：

无逆矩阵极限学习机只能以批量学习方式进行训练,将其拓展为无逆矩阵在线学习版本,提出了无逆矩阵在线序列极限学习机算法(IOS-ELM).所提算法增加训练样本时,利用Sherman Morrison Woodbury公式对新增样本数据后的模型进行更新,直接计算出新增隐含层输出权重,避免对已经分析过的训练样本的输出权重进行重复计算.给出了所提IOS-ELM算法的详细推导过程.在不同类型和大小的数据集上的实验结果表明,所提IOS-ELM算法非常适合在线方式逐步生成的数据集,在快速学习和性能方面都有很好的表现.

关键词：无逆矩阵、极限学习机、在线序列学习、神经网络

所属期刊栏目：14

分类号：TP183(自动化基础理论)

资助基金：The National Natural Science Foundation of China under Grant No. 61572236 国家自然科学基金

在线出版日期：2020-01-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：117-124