单隐层神经网络输入权值的新算法

• 作者: 刘金澎 田大钢
• 来源期刊: 计算机应用研究
• 关键词: 极端学习机 单隐层神经网络 优化方法 输出值反向分配
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3666-3669
• 页数: 4页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.07.0418

摘要

针对传统极端学习机输入权值与隐层阈值随机设定的问题,提出了输出值反向分配算法,其在传统极端学习机的基础上,通过优化方法得到最优输出值分配系数,并利用最小二乘法确定网络输入参数.将该算法应用到常用数据集进行实验,并与其他极端学习机改进算法进行比较,显示其具有良好的学习以及泛化能力,能够得到简单的网络结构,证明了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田大钢	上海理工大学管理学院	54	437	12.0	19.0
2	刘金澎	上海理工大学管理学院	1	0	0.0	0.0