一种带修剪的增量极速学习模糊神经网络

• 作者: 徐蔚鸿 胡蓉
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 极速学习机(ELM) 增量学习 模糊神经网络 径向基函数
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 图形图像与模式识别
• 页码范围: 279-282
• 页数: 4页
• 分类号: TP306.1
• 字数: 4479字
• 语种: 中文

摘要

由Huang提出的extreme learning machine(ELM)批量学习算法在获得与其他算法相当的性能的同时显示出了极快的学习速度.为了实现在线增量学习,扩展了ELM方法,提出了一种带修剪的极速学习模糊神经网络.首先随机产生模糊神经网络前件参数和规则数量,然后使用SVD将规则按照重要性能排序,再使用留一法leave-on~out(LOO)选出最佳的模糊规则数,最后分析计算模糊规则的后件参数.在学习过程中无须保存过去的数据,真正实现了增量学习.当新的数据到来时,无须重新训练网络.通过仿真实验对该方法与其他算法进行了验证和比较,结果表明,在获得与其他算法类似的性能的情况下,该算法能够获得更加简洁的结构.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐蔚鸿	南京理工大学计算机科学与技术学院	85	647	14.0	21.0
3	胡蓉	南京理工大学计算机科学与技术学院	11	26	3.0	5.0