在线增量极限学习机及其性能研究OA北大核心CSCDCSTPCD
Research on online incremental extreme learning machine and its performance
针对在线学习中极限学习机需要事先确定模型结构的问题,提出了兼顾数据增量和结构变化的在线极限学习机算法.算法以在线序列化极限学习机为基础,通过误差变化判断是否新增节点,并利用分块矩阵的广义逆矩阵对新增节点后的模型进行更新,使模型保持较高的正确率.通过在不同类型和大小的数据集上的实验表明,所提算法相较于经典极限学习机及其在线和增量学习版本都具有较好的分类和回归准确率,能够适应不同类型的数据分析任务.
Ma Zhiyuan;Luo Guangchun;Qin Ke;Wang Nan
信息技术与安全科学
极限学习机增量学习在线学习广义逆在线增量极限学习机
《计算机应用研究》 2018 (12)
3533-3537,5
国家自然科学基金青年科学基金项目(61604054)中央高校基本科研业务费项目(ZYGX2016J083)四川省科技厅应用基础项目(2017JY0027)
评论