基于截断范数损失函数的鲁棒超限学习机
2019-05-30 10:48王快妮曹进德
南京信息工程大学学报 2019年4期
王快妮 曹进德
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，在噪聲环境下鲁棒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.
关键词：神经网络;超限学习机;鲁棒;截断损失函数;异常值
猜你喜欢
数学物理学报(2020年4期)2020-09-07
电子制作(2019年19期)2019-11-23
北京航空航天大学学报(2019年9期)2019-10-26
自动化学报(2019年6期)2019-07-23
自动化学报(2017年1期)2017-03-11
重型机械(2016年1期)2016-03-01
大连工业大学学报(2015年4期)2015-12-11
华东理工大学学报(自然科学版)(2015年2期)2015-11-07
浙江大学学报（工学版）(2015年1期)2015-03-01
海军航空大学学报(2015年4期)2015-02-27
