奇异值分解下在线鲁棒正则化随机网络
于洋1
邓瑞1
余刚2
庞新富3
1.沈阳航空航天大学自动化学院,辽宁沈阳 1100002.矿冶过程自动控制技术国家重点实验室,北京 100160;矿冶自动控制技术北京市重点实验室,北京 1001603.沈阳工程学院自动化学院,辽宁沈阳 110000
摘要：在线鲁棒随机权神经网络(OR-RVFLN)具有较好的逼近性、较快的收敛速度、较高的鲁棒性能以及较小的存储空间.但是,OR-RVFLN算法计算过程中会产生矩阵的不适定问题,使得隐含层输出矩阵的精度较低.针对这个问题,本文提出了奇异值分解下在线鲁棒正则化随机网络(SVD-OR-RRVFLN).该算法在OR-RVFLN算法的基础上,将正则化项引入到权值的估计中,并且对隐含层输出矩阵进行奇异值分解;同时采用核密度估计(KDE)法,对整个SVD-OR-RRVFLN网络的权值矩阵进行更新,并分析了所提算法的必要性和收敛性.最后,将所提的方法应用于Benchmark数据集和磨矿粒度的指标预测中,实验结果证实了该算法不仅可以有效地提高模型的预测精度和鲁棒性能,而且具有更快的训练速度.
关键词：随机权神经网络正则化奇异值分解磨矿过程磨矿粒度
论文发表日期：2024-03-28
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：9( 407-415 )
英文信息