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
南京信息工程大学学报2019年4期
1《阅读时代》2024年5期
2《散文》2024年4期
3《鸭绿江》2024年4期
4《国际展望》2024年3期
5《中关村》2024年4期
6《东方企业家》2024年5期
7《军事文摘·科学少年》2024年5期
8《青年文学家》2024年9期
9《月读》2024年5期
10《广州文艺》2024年4期