基于隐藏层输出矩阵的极限学习机算法优化

摘要：

针对极限学习机(ELM)中隐藏层到输出层存在误差的问题,通过分析发现误差来源于求解隐藏层输出矩阵H的Moore-Penrose广义逆矩阵Η?的过程,即矩阵H?H与单位矩阵有偏差,可根据偏差的程度来选择合适的输出矩阵H以获得较小的训练误差.根据广义逆矩阵和辅助矩阵的定义,首先确定了目标矩阵H?H和误差指标L21范数,其次通过实验分析表明H?H的L21范数与ELM的误差呈显著线性相关,最后通过引入Gaussian滤波对目标矩阵进行降噪处理,由此有效降低了目标矩阵的L21范数,同时降低了ELM的误差,达到优化ELM算法的目的.

关键词：极限学习机、Moore-Penrose广义逆矩阵、L21范数、线性相关、Gaussian滤波

所属期刊栏目：41

分类号：TP181(自动化基础理论)

资助基金：国家重点研发计划项目2020YFA0714202

在线出版日期：2021-09-22（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：2481-2488