网络结构增长的极端学习机算法
李凡军1
乔俊飞2
韩红桂2
1.北京工业大学电子信息与控制工程学院,北京100124;济南大学数学科学学院,山东济南2500222.北京工业大学电子信息与控制工程学院,北京,100124
摘要：针对极端学习机(extreme learning machine,ELM)结构设计问题,基于隐含层激活函数及其导函数提出一种前向神经网络结构增长算法.首先以Sigmoid函数为例给出了一类基函数的派生特性:导函数可以由其原函数表示.其次,利用这种派生特性提出了ELM结构设计方法,该方法自动生成双隐含层前向神经网络,其第1隐含层的结点随机逐一生成.第2隐含层的输出由第1隐含层新添结点的激活函数及其导函数确定,输出层权值由最小二乘法分析获得.最后给出了所提算法收敛性及稳定性的理论证明.对非线性系统辨识及双螺旋分类问题的仿真结果证明了所提算法的有效性.
关键词：前向神经网络极端学习机导数结构设计
分类号：TP273(自动化技术及设备)
资助基金：国家自然科学基金(61034008,61203099,61225016)北京市自然科学基金(4122006)高等学校博士学科点专项科研基金(新教师类)(20121103120020)
论文发表日期：2014-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 638-643 )
英文信息