基于多层学习克隆选择的改进式增量型超限学习机算法
王超1
王建辉1
顾树生1
王枭1
张宇献2
1.东北大学信息科学与工程学院,辽宁沈阳,1100042.沈阳工业大学电气工程学院,辽宁沈阳,110870
摘要：针对增量型超限学习机(incremental extreme learning machine, I–ELM)中大量冗余节点可导致算法学习效率降低,网络结构复杂化等问题,提出基于多层学习(multi-learning)优化克隆选择算法(clone selection algorithm, CSA)的改进式I–ELM.利用Baldwinian learning操作改变抗体信息的搜索范围,结合Lamarckian learning操作提高CSA的搜索能力.改进后的算法能够有效控制I–ELM的隐含层节点数,使网络结构更加紧凑,提高算法精度.仿真结果表明,所提出的基于多层学习克隆选择的增量型核超限学习机(multi-learning clonal selection I–ELMK, MLCSI–ELMK)算法能够有效简化网络结构,并保持较好的泛化能力,较强的学习能力和在线预测能力.
关键词：克隆选择算法鲍德温学习拉马克学习神经网络增量型超限学习机软计算
分类号：TP273(自动化技术及设备)
论文发表日期：2016-01-01
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：12( 368-379 )
英文信息