神经网络极速学习方法研究进展

• 作者: 杨凤芝 皮惠 苏佳伟
• 来源期刊: 电脑知识与技术：学术交流
• 学科: 工学
• 关键词: 数据挖掘 神经网络 极速学习机
• 年，卷（期）: 2011,（4）
• 页码范围: 2368-2371
• 页数: 4页
• 分类号: TP18

摘要

神经网络已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用，但学习方法的速度不能满足实际需求。传统的误差反向传播方法（BP）主要是基于梯度下降的思想，需要多次迭代；网络的所有参数都需要在训练过程中迭代确定，因此算法的计算量和搜索空间很大。ELM（Extreme Learning Machine，ELM）是一次学习思想使得学习速度提高很多，避免了多次迭代和局部最小值．具有良好的泛化性能、鲁棒性与可控性。但对于不同的数据集和不同的应用领域，无论ELM是用于数据分类或是回归，ELM算法本身还是存在问题，所以本文对已有方法深入对比分析，并指出极速学习方法未来的发展方向。