随机投影下的Plane-Gaussian人工神经网络

• 作者: 冯哲 张福全 杨绪兵
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 人工神经网络 随机投影 平面 高斯 极限学习机
• 年，卷（期）: 2017,（2）
• 页码范围: 354-362
• 页数: 9页
• 分类号: TP391
• 字数: 5582字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2017.02.017

摘要

针对平面高斯神经(Plane-Gaussian,PG)网络采用k-平面聚类算法得到网络参数,使得网络训练时间过长,且易陷入局部极小值的问题,借鉴极限学习机(Extreme learning machine,ELM)中网络参数随机选择的方式,提出了随机投影下的平面高斯神经网络(Plane-Gaussian network based on random projection,RandPG).该网络采用随机投影的方式确定隐层激活函数的参数,然后利用Moore-Penrose广义逆求解输出层权值.理论上证明该网络具有全局逼近性.同时,对呈直线型和平面型的人工数据集以及UCI标准数据库中的分类数据集进行测试,结果表明,RandPG网络提供了一种简便的参数学习方法,并且在继承了PG网络对呈子空间分布的数据分类具有优势的情况下,显著提高了网络的学习速度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨绪兵	南京林业大学信息科学技术学院	21	56	4.0	7.0
2	张福全	南京林业大学信息科学技术学院	21	15	2.0	3.0
3	冯哲	南京林业大学信息科学技术学院	3	6	1.0	2.0