二维分割贯序正则化超限学习机
针对大规模在线学习问题,提出一种二维分割贯序正则化超限学习机(BP-SRELM).BP-SRELM以在线贯序超限学习机为基础,结合分治策略的思想,从实例和特征两个维度对高维隐层输出矩阵进行分割,以降低问题求解的规模和计算复杂性,从而极大地提高对大规模学习问题的执行效率.同时,BP-SRELM通过融合使用Tikhonov正则化技术进一步增强其在实际应用中的稳定性和泛化能力.实验结果表明,所提出的BP-SRELM不仅具有更高的稳定性和预测精度,而且在学习速度上优势明显,适用于大规模数据流的在线学习与实时建模.
在线贯序超限学习机、Tikhonov正则化、分割、在线学习、大数据流
32
TP183(自动化基础理论)
国家自然科学基金项目61603326,61379064,61273106;国家科技支撑计划课题2014BAJ04B02
2017-09-27(万方平台首次上网日期,不代表论文的发表时间)
共9页
1556-1564