点击次数：

论文类型：期刊论文

发表时间：2011-11-15

发表刊物：自动化学报

收录刊物：Scopus、EI、CSCD

卷号：37

期号：11

页面范围：1344-1350

ISSN号：1874-1029

关键字：1范数正则化;极端学习机;替代函数;贝叶斯方法

摘要：针对极端学习机(Extreme learning machine,ELM)算法的不适定问题和模型规模控制问题,本文提出基于1范数正则项的改进型ELM算法.通过在二次损失函数基础上引入1范数正则项以控制模型规模,改善ELM的泛化能力.此外,为简化1范数正则化方法的求解过程,利用边际优化方法,构建适当的替代函数,以便于采用贝叶斯方法代替计算复杂的交叉检验方法,并实现正则化参数的自适应估计.仿真结果表明,本文所提算法能够有效简化模型结构,并保持较高的预测精度.