计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2014年
6期
1331-1340
,共10页
冯林%刘胜蓝%张晶%王辉兵
馮林%劉勝藍%張晶%王輝兵
풍림%류성람%장정%왕휘병
极端学习机%线性降维%鲁棒激活函数%高维数据%神经网络
極耑學習機%線性降維%魯棒激活函數%高維數據%神經網絡
겁단학습궤%선성강유%로봉격활함수%고유수거%신경망락
extreme%learning%machine%linear%dimensionality%reduction%robust%activation%function%high-dimensional%data%neural%network
极端学习机(extreme learning machine,ELM)训练速度快、分类率高,已经广泛应用于人脸识别等实际问题中,并取得了较好的效果.但实际问题中的数据往往维数较高,且经常带有噪声及离群点,降低了ELM算法的分类率.这主要是由于:1)输入样本维数过高;2)激活函数选取不当.以上两点使激活函数的输出值趋于零,最终降低了ELM算法的性能.针对第1个问题,提出一种鲁棒的线性降维方法(RAF-global embedding,RAF-GE)预处理高维数据,再通过ELM算法对数据进行分类;而对第2个问题,深入分析不同激活函数的性质,提出一种鲁棒激活函数(robust activation function,RAF),该激活函数可尽量避免激活函数的输出值趋于零,提升RAF-GE及ELM算法的性能.实验证实人脸识别方法的性能普遍优于使用其他激活函数的对比方法.
極耑學習機(extreme learning machine,ELM)訓練速度快、分類率高,已經廣汎應用于人臉識彆等實際問題中,併取得瞭較好的效果.但實際問題中的數據往往維數較高,且經常帶有譟聲及離群點,降低瞭ELM算法的分類率.這主要是由于:1)輸入樣本維數過高;2)激活函數選取不噹.以上兩點使激活函數的輸齣值趨于零,最終降低瞭ELM算法的性能.針對第1箇問題,提齣一種魯棒的線性降維方法(RAF-global embedding,RAF-GE)預處理高維數據,再通過ELM算法對數據進行分類;而對第2箇問題,深入分析不同激活函數的性質,提齣一種魯棒激活函數(robust activation function,RAF),該激活函數可儘量避免激活函數的輸齣值趨于零,提升RAF-GE及ELM算法的性能.實驗證實人臉識彆方法的性能普遍優于使用其他激活函數的對比方法.
겁단학습궤(extreme learning machine,ELM)훈련속도쾌、분류솔고,이경엄범응용우인검식별등실제문제중,병취득료교호적효과.단실제문제중적수거왕왕유수교고,차경상대유조성급리군점,강저료ELM산법적분류솔.저주요시유우:1)수입양본유수과고;2)격활함수선취불당.이상량점사격활함수적수출치추우령,최종강저료ELM산법적성능.침대제1개문제,제출일충로봉적선성강유방법(RAF-global embedding,RAF-GE)예처리고유수거,재통과ELM산법대수거진행분류;이대제2개문제,심입분석불동격활함수적성질,제출일충로봉격활함수(robust activation function,RAF),해격활함수가진량피면격활함수적수출치추우령,제승RAF-GE급ELM산법적성능.실험증실인검식별방법적성능보편우우사용기타격활함수적대비방법.
