按:   检索词:   从
   最新录用    过刊检索
基于截断1-范数损失函数的鲁棒超限学习机
投稿时间:2019-06-28    点此下载全文
引用本文:王快妮,曹进德.基于截断1-范数损失函数的鲁棒超限学习机[J].南京信息工程大学学报,2019,11(4):453~459
摘要点击次数: 73
全文下载次数: 43
作者单位E-mail
王快妮 西安石油大学 理学院, 西安, 710065
东南大学 数学学院, 南京, 211189 
 
曹进德 东南大学 数学学院, 南京, 211189 jdcao@seu.edu.cn 
基金项目:国家自然科学基金(61833005,61907033);中国博士后基金(2018M642129)
中文摘要: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,在噪声环境下鲁棒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.
中文关键词:神经网络  超限学习机  鲁棒  截断损失函数  异常值
 
Robust ELM model with truncated 1-norm loss function
Abstract:Sensitivity to noises and outliers and inferior robustness are the primary problems associated with extreme learning machine(ELM).Based on the 1-norm loss function,a truncated 1-norm loss function is proposed to suppress the effects of noises and outliers.A robust ELM model with truncated 1-norm loss function is established.The corresponding optimization problem is solved by iterative re-weighted algorithm.Four simulated data sets and nine real-world data sets are used to verify the validity of the proposed model.The numerical results show that the generalization performance of robust ELM in noisy environment is superior to that of the compared methods and has superior robustness,especially in the case of a substantial proportion of outliers.
keywords:neural network  extreme learning machine  robustness  truncated loss function  outliers
查看全文  查看/发表评论  下载PDF阅读器

您是本站第 1438357 位访问者
版权所有:南京信息工程大学期刊社《南京信息工程大学学报》编辑部     
地址:江苏南京,宁六路219号,南京信息工程大学