基于最小p-范数的宽度学习系统

• 作者: 郑云飞 陈霸东
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 宽度学习系统 最小p-范数 固定点迭代 脑电图分类
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: “共融机器人”专辑
• 页码范围: 51-57
• 页数: 7页
• 分类号: TP18
• 字数: 5554字
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.201901007

摘要

在宽度学习系统的基础上,以误差矢量的p-范数为损失函数,结合固定点迭代策略,提出基于最小p-范数的宽度学习系统.通过灵活设置p的取值(p≥1),提出的最小p-范数宽度学习系统能较好应对不同噪声的干扰,实现对不确定数据的建模任务.数值实验表明,在高斯、均匀、脉冲噪声干扰环境下,文中系统均能保持良好性能.将该系统应用于脑电图分类任务,在大多数被试上都能取得较高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈霸东	西安交通大学电子与信息工程学院人工智能与机器人研究所	2	3	1.0	1.0
2	郑云飞	西安交通大学电子与信息工程学院人工智能与机器人研究所	1	3	1.0	1.0