正则化超限学习机的最大分划广义交替方向乘子法OA北大核心CSCDCSTPCD
A Maximally Split Generalized ADMM for Regularized Extreme Learning Machines
借助交替方向乘子法(Alternating Direction Method of Multipliers,ADMM),将多变量正则化最小二乘拟合问题,分解为多个可并行执行的标量优化问题,并引入可调步长因子加速算法,得到一个高度并行的最大分划广义ADMM算法,并应用于正则化超限学习机.建立了算法的收敛条件,分析了算法的计算复杂度,通过基准现实数据集实验与新近文献方法——最大分划松弛ADMM进行了收敛率比较.在GPU并行加速实验中,基于最大分划广义ADMM的正则化超限学习机获得的大GPU加速比,表明了该算法的高度并行性.
侯秀聪;赖晓平;曹九稳
杭州电子科技大学人工智能研究院,浙江杭州310018杭州电子科技大学人工智能研究院,浙江杭州310018杭州电子科技大学人工智能研究院,浙江杭州310018
信息技术与安全科学
机器学习超限学习机大数据并行学习交替方向乘子法
《电子学报》 2021 (4)
儿童癫痫综合征智能分类与治疗评估的理论方法与云平台研究
625-630,6
国家自然科学基金(No.U1909209)
评论