(录用定稿)网络首发时间:2019-10-16 17:11:40

针对极限学习机(ELM)异常值敏感的问题,提出了一种基于p阶Welsch损失的鲁棒极限学习机。该方法的特点体现在以下3个方面:使用p阶Welsch损失代替常规ELM的均方误差损失,提高算法的鲁棒性;在目标函数中引入l1范数正则项,降低ELM网络模型的复杂度,增强模型的稳定性;采用快速迭代阈值收缩算法(FISTA)极小化目标函数,提升计算效率。对人工合成数据集和部分UCI回归数据集进行仿真,实验结果表明本文方法在鲁棒性、稳定性和训练时间上都具有很好的性能。

国家自然科学基金重点项目(61533003); 国家自然科学基金重大项目(61590922); 中央高校基本科研业务费重点科研基地创新基金(22221817014); 上海市自然科学基金(17ZR1406800);

p阶Welsch损失; 极限学习机; 鲁棒性; FISTA;

10.14135/j.cnki.1006-3080.20181209001

TP18

中国知网独家网络首发,未经许可,禁止转载、摘编。

237939K
在线咨询 用户反馈