基于替代函数及贝叶斯框架的1范数ELM算法
针对极端学习机(Extreme learning machine,ELM)算法的不适定问题和模型规模控制问题,本文提出基于1范数正则项的改进型ELM算法.通过在二次损失函数基础上引入1范数正则项以控制模型规模,改善ELM的泛化能力,此外,为简化1范数正则化方法的求解过程,利用边际优化方法,构建适当的替代函数,以便于采用贝叶斯方法代替计算复杂的交叉检验方法,并实现正则化参数的自适应估计.仿真结果表明,本文所提算法能够有效简化模型结构,并保持较高的预测精度.
1范数正则化、极端学习机、替代函数、贝叶斯方法
37
TP183(自动化基础理论)
国家自然科学基金61074096
2012-03-20(万方平台首次上网日期,不代表论文的发表时间)
1344-1350