基于选择性更新的在线核极限学习机建模

• 作者: 孙朝江 汤健 赵立杰 魏忠军
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 选择性更新 近似线性依靠(ALD) 核极限学习机(KELM) 在线建模
• 年，卷（期）: 2013,（4）
• 所属期刊栏目: 机电一体化
• 页码范围: 659-662
• 页数: 4页
• 分类号: TP27
• 字数: 3891字
• 语种: 中文

摘要

针对每样本递推更新的在线建模方法计算消耗大、常用的人工智能建模方法学习速度慢的缺点,为能够对软测量模型进行有效更新和提高在线模型的学习速度,提出了一种基于选择性更新的在线核极限学习机(KELM)建模方法.该方法首先采用近似线性依靠(ALD)条件判别新样本与建模样本间的线性独立依靠程度,选择满足设定条件、含有足够新信息的样本对软测量模型进行更新,降低了模型在线学习次数;然后选择学习速度快、泛化性强的KELM方法建立软测量模型,有效地避免了极限学习机(ELM)模型固有的随机性和支持向量机(SVM)模型求解的复杂性;最后将ALD条件和KELM算法有效结合,提高了在线软测量模型的学习速度和预测性能.通过合成数据的仿真实验结果验证了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵立杰	沈阳化工大学信息工程学院	42	592	12.0	24.0