点击次数：

论文类型：期刊论文

发表时间：2014-07-20

发表刊物：控制与决策

收录刊物：Scopus、EI、PKU、ISTIC、CSCD

卷号：29

期号：9

页面范围：1576-1580

ISSN号：1001-0920

关键字：极端学习机;变量选择;互信息;回归分析

摘要：针对回归问题中存在的变量选择和网络结构设计问题，提出一种基于互信息的极端学习机(ELM)训练算法，同时实现输入变量的选择和隐含层的结构优化。该算法将互信息输入变量选择嵌入到ELM网络的学习过程之中，以网络的学习性能作为衡量输入变量与输出变量相关与否的指标，并以增量式的方法确定隐含层节点的规模。在Lorenz、Gas Furnace和10组标杆数据上的仿真结果表明了所提出算法的有效性。该算法不仅可以简化网络结构，还可以提高网络的泛化性能。