基于多层学习克隆选择的改进式增量型超限学习机算法

• 作者: 张宇献 王建辉 王枭 王超 顾树生
• 来源期刊: 控制理论与应用
• 学科: 工学
• 关键词: 克隆选择算法 鲍德温学习 拉马克学习 神经网络 增量型超限学习机 软计算
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 短文
• 页码范围: 368-379
• 页数: 12页
• 分类号: TP273
• 字数: 8559字
• 语种: 中文
• DOI: 10.7641/CTA.2016.50640

摘要

针对增量型超限学习机(incremental extreme learning machine, I–ELM)中大量冗余节点可导致算法学习效率降低,网络结构复杂化等问题,提出基于多层学习(multi-learning)优化克隆选择算法(clone selection algorithm, CSA)的改进式I–ELM.利用Baldwinian learning操作改变抗体信息的搜索范围,结合Lamarckian learning操作提高CSA的搜索能力.改进后的算法能够有效控制I–ELM的隐含层节点数,使网络结构更加紧凑,提高算法精度.仿真结果表明,所提出的基于多层学习克隆选择的增量型核超限学习机(multi-learning clonal selection I–ELMK, MLCSI–ELMK)算法能够有效简化网络结构,并保持较好的泛化能力,较强的学习能力和在线预测能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王建辉	东北大学信息科学与工程学院	95	778	16.0	21.0
2	顾树生	东北大学信息科学与工程学院	99	1524	21.0	34.0
3	王超	东北大学信息科学与工程学院	55	517	11.0	20.0
4	张宇献	沈阳工业大学电气工程学院	18	67	4.0	7.0
5	王枭	东北大学信息科学与工程学院	1	1	1.0	1.0