一种基于Akaike信息准则的极限学习机

• 作者: 尹建川 徐锋 邹早建
• 来源期刊: 山东大学学报：工学版
• 学科: 工学
• 关键词: 极限学习机 Akaike信息准则 修正Gram-Schmidt算法 前向神经网络
• 年，卷（期）: 2011,（6）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 7-11
• 分类号: TP183
• 语种: 中文

摘要

为了减小传统的极限学习机网络的规模及提高网络的泛化性能,利用Akaike信息准则作为学习的最优停止准则以选择合适的隐层节点数量,同时利用修正Gram-Schmidt算法自动调整网络参数,提出改进的极限学习机网络构造算法。通过与传统极限学习机在通用标杆问题上的实验结果比较表明,该改进的极限学习机具有更精简的网络结构和更快的学习速度,同时具有良好的学习精度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐锋	上海交通大学船舶海洋与建筑工程学院	7	65	6.0	7.0