计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2014年
8期
387-391
,共5页
极限学习机%多目标优化%模型选择
極限學習機%多目標優化%模型選擇
겁한학습궤%다목표우화%모형선택
Extreme learning machine%Multi-objective optimization%Model selection
为了克服极限学习机输入权重与偏置的随机性对模型泛化能力的负面影响,提出一种基于多目标优化的极限学习机模型选择方法将极限学习机模型选择视为一个多目标全局优化问题,可将泛化误差和输出权重的模作为优化目标;为加快优化速度,引入极限学习机的快速留一法误差估计指代泛化误差,并考虑到优化目标间的互斥性,最终采用多目标综合学习粒子群算法寻找非支配解.通过5个UCI回归数据集上的仿真结果表明,与常用极限学习机模型选择方法相比,改进方法均取得更低的预测误差,同时网络结构更加紧凑.
為瞭剋服極限學習機輸入權重與偏置的隨機性對模型汎化能力的負麵影響,提齣一種基于多目標優化的極限學習機模型選擇方法將極限學習機模型選擇視為一箇多目標全跼優化問題,可將汎化誤差和輸齣權重的模作為優化目標;為加快優化速度,引入極限學習機的快速留一法誤差估計指代汎化誤差,併攷慮到優化目標間的互斥性,最終採用多目標綜閤學習粒子群算法尋找非支配解.通過5箇UCI迴歸數據集上的倣真結果錶明,與常用極限學習機模型選擇方法相比,改進方法均取得更低的預測誤差,同時網絡結構更加緊湊.
위료극복겁한학습궤수입권중여편치적수궤성대모형범화능력적부면영향,제출일충기우다목표우화적겁한학습궤모형선택방법장겁한학습궤모형선택시위일개다목표전국우화문제,가장범화오차화수출권중적모작위우화목표;위가쾌우화속도,인입겁한학습궤적쾌속류일법오차고계지대범화오차,병고필도우화목표간적호척성,최종채용다목표종합학습입자군산법심조비지배해.통과5개UCI회귀수거집상적방진결과표명,여상용겁한학습궤모형선택방법상비,개진방법균취득경저적예측오차,동시망락결구경가긴주.
