基于栈式降噪稀疏自编码器的极限学习机

• 作者: 向前 张国令 李睿 来杰 王晓丹
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 极限学习机 降噪稀疏自编码器 稀疏性 深度学习 特征提取
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 61-67
• 页数: 7页
• 分类号: TP181
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0057060

摘要

极限学习机(ELM)随机选择网络输入权重和隐层偏置,存在网络结构复杂和鲁棒性较弱的不足.为此,提出基于栈式降噪稀疏自编码器(sDSAE)的ELM算法.利用sDSAE稀疏网络的优势,挖掘目标数据的深层特征,为ELM产生输入权值与隐层偏置以求得隐层输出权值,完成训练分类器,同时通过加入稀疏性约束优化网络结构,提高算法分类准确率.实验结果表明,与ELM、PCA-ELM、ELM-AE和DAE-ELM算法相比,该算法在处理高维含噪数据时分类准确率较高,并且具有较强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓丹		135	1447	21.0	31.0
2	李睿		25	166	7.0	12.0
3	张国令		2	0	0.0	0.0
4	来杰		4	0	0.0	0.0
5	向前		2	0	0.0	0.0