一种基于分类问题的光滑极限学习机

• 作者: 任卓 张思韫 杨丽明
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 极限学习机 光滑化方法 Newton-Armijo算法 神经网络
• 年，卷（期）: 2016,（3）
• 页码范围: 51-56
• 页数: 6页
• 分类号: TP391
• 字数: 3513字
• 语种: 中文
• DOI: 10.13705/j.issn/1671-6841.2016097

摘要

极限学习机具有快速的学习速度和良好的泛化性能。光滑化是一种重要的处理非光滑问题的技术。将光滑化技术应用于极限学习机，提出了一种光滑化的极限学习机框架，并用Newton-Armijo算法来求解。该算法具有全局和二次收敛的性质。与已有的光滑支持向量机相比，该模型有更少的决策变量，并且能够更好地解决非线性问题。数值实验表明该算法的速度要比传统的极限学习算法更快。与支持向量机相比，提出的算法有更好的或者相似的泛化性能。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨丽明	中国农业大学理学院	25	212	9.0	13.0
2	张思韫	中国农业大学理学院	2	1	1.0	1.0
3	任卓	中国农业大学理学院	1	0	0.0	0.0