基于截断1-范数损失函数的鲁棒超限学习机

• 作者: 曹进德 王快妮
• 来源期刊: 南京信息工程大学学报
• 学科: 工学
• 关键词: 神经网络 超限学习机 鲁棒 截断损失函数 异常值
• 年，卷（期）: 2019,（4）
• 页码范围: 453-459
• 页数: 7页
• 分类号: TP181
• 字数: 4453字
• 语种: 中文
• DOI: 10.13878/j.cnki.jnuist.2019.04.014

摘要

对噪声和异常值较敏感、鲁棒性差是超限学习机(ELM)的主要问题.在1-范数损失函数的基础上,提出截断1-范数损失函数来抑制噪声和异常值的影响,建立了基于截断1-范数损失函数的鲁棒ELM模型.通过迭代重赋权算法求解对应的优化问题,并利用4个模拟数据集和9个真实数据集验证模型的有效性.数值实验结果表明,在噪声环境下鲁棒ELM的泛化性能优于对比方法,并且具有较强的鲁棒性,尤其是在异常值比例较大的情形下.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曹进德	东南大学数学学院	38	327	7.0	18.0
2	王快妮	西安石油大学理学院	3	0	0.0	0.0