基于主成分估计的极限学习机方法

• 作者: 刘云龙 布占玉 张小刚 曾林
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 神经网络 极限学习机 最小二乘估计 主成分估计
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 110-114,120
• 页数: 6页
• 分类号: TP391
• 字数: 4284字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1403-0186

摘要

极限学习机(Extreme Learning Machine,ELM)是一种单隐层前馈神经网络(Single-hidden Layer Feedfor-ward Neural Networks,SLFN),它相较于传统神经网络算法来说结构简单,具有较快的学习速度,以及良好的泛化性能等优点.由最小二乘法(Least Square,LE)计算得出的输出权值,往往由于设计矩阵为奇异矩阵,得到的权值有较大偏差,遇到有噪声的数据时,算法的鲁棒性无法保证.主成分估计是对最小二乘估计的一种改进算法,主成分估计能有效的改善设计矩阵奇异造成的影响,能有效的提高网络模型的鲁棒性和抗噪能力.提出了一种基于主成分估计的极限学习机方法(PC-ELM),实验结果表明,此方法能有效提高算法的鲁棒性和泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张小刚	湖南大学电气与信息工程学院	42	577	15.0	22.0
2	曾林	湖南大学电气与信息工程学院	2	10	2.0	2.0
3	布占玉	湖南大学电气与信息工程学院	1	6	1.0	1.0
4	刘云龙	湖南大学电气与信息工程学院	2	10	2.0	2.0