基于lasso和elastic net的宽度学习系统网络结构稀疏方法
褚菲1
苏嘉铭2
梁涛2
陈俊龙3
王雪松4
马小平4
1.中国矿业大学地下空间智能控制教育部工程研究中心,江苏徐州221116;中国矿业大学信息与控制工程学院,江苏徐州221116;北京矿冶科技集团有限公司矿冶过程自动控制技术国家重点实验室/矿冶过程自动控制技术北京市重点实验室,北京1001602.中国矿业大学信息与控制工程学院,江苏徐州2211163.华南理工大学计算机科学与工程学院,广东广州510006;澳门大学科技学院,澳门9990784.中国矿业大学地下空间智能控制教育部工程研究中心,江苏徐州221116;中国矿业大学信息与控制工程学院,江苏徐州221116
摘要：本文提出了一种基于lasso和elastic net的宽度学习系统(BLS)网络结构稀疏方法,将标准BLS目标函数中的L2范数分别替换为lasso和elastic net,利用这两种正则化技术来约束网络输出权重,衡量每个网络节点输出权重对预测的影响程度,将多余的节点进行剔除,提高了网络结构的稀疏性.通过对一些回归数据集进行实验,可以看到本文提出的方法在不损失预测精度的前提下,同时简化了网络结构.
关键词：宽度学习系统网络结构lassoelastic net
资助基金：国家自然科学基金(61973304)国家自然科学基金(61503384)国家自然科学基金(61702195)国家自然科学基金(61751202)国家重点研发计划(2019YFA0706200)国家重点研发计划(2019YFB1703600)江苏省"六大人才高峰"高层次人才项目(DZXX–045)江苏省科技计划(BK20191339)广州市科技重大专项(202007030006)徐州市科技创新计划(KC19055)国家重点实验室开放基金(BGRIMM–KZSKL–2019–10)
论文发表日期：2020-01-01
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：8( 2543-2550 )
英文信息