一种基于极限学习机的在线负增量算法

• 作者: 任婷婷 卢诚波 谢林森
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 极限学习机 负增量算法 算法复杂性 仿真实验
• 年，卷（期）: 2016,（9）
• 所属期刊栏目: 算 法
• 页码范围: 269-272
• 页数: 4页
• 分类号: TP3
• 字数: 3933字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2016.09.063

摘要

在剔除影响单隐层前馈神经网络性能的“脏数据”后，传统的极限学习机算法需要重新训练整个网络，这会增加很多额外的训练时间。针对这一问题，在传统的极限学习机算法的基础上，提出一种在线负增量学习算法：剔除“脏训练样本”后，不需要再重新训练整个网络，而只需在原有的基础上，通过更新外权矩阵来完成网络更新。算法复杂性分析和仿真实验的结果表明所提出的算法具有更高的执行速度。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢林森	丽水学院工程与设计学院	16	64	5.0	7.0
2	卢诚波	丽水学院工程与设计学院	25	78	4.0	7.0
3	任婷婷	浙江师范大学数理与信息工程学院	2	1	1.0	1.0