基于函数链神经网络的深度分类器

• 作者: 王士同 谢润山
• 来源期刊: 南京航空航天大学学报
• 学科: 工学
• 关键词: 函数链神经网络 宽度学习 栈式结构 深度学习
• 年，卷（期）: 2020,（5）
• 页码范围: 736-745
• 页数: 10页
• 分类号: TP18
• 语种: 中文
• DOI: 10.16356/j.1005⁃2615.2020.05.009

摘要

目前的宽度学习系统(Broad learning system,BLS)通过所建立的一系列映射节点和增强节点来形成联合节点.因为联合节点与输出层的线性连接,网络权值可以用求解伪逆的方法快速求得,避免了耗时的训练过程,从而成为快速而高效的学习方法.然而在追求高精度结果的过程中,BLS对于增强节点数量的需求过于巨大,容易造成过拟合问题.为此,本文提出了基于函数链神经网络(Functional?link neural network,FLNN)的深度分类器(FLNN based deep classifier,FLNNDC),旨在提供一种更加简单却又不失精度的BLS变体结构.FLNNDC将几个轻量级的BLS子系统堆积成栈式结构,每一个轻量级的BLS子系统随机选择一部分映射节点生成增强节点,而不是全部映射节点.和原宽度结构相比,在几个主流数据集上的实验结果表明本文所提出的FLNNDC分类器具有网络结构更小且学习速度更快的优势.