典型文献
一种自适应确定隐层节点数的增量半监督超限学习机算法
文献摘要：
单隐层前馈神经网络中,隐层节点个数是影响网络的学习能力和复杂程度的重要因素.在实际应用当中,如何确定网络的隐层节点个数仍然是一个开放的问题.在半监督超限学习机(SS-ELM)的基础上,本文提出了一种增量半监督超限学习机(ISS-ELM)算法,对于给定的学习精度,该算法能够逐个或者成批地增加隐层节点,并自适应确定隐层节点数量.在此过程当中,网络的外权矩阵不需要重新训练,只需逐步更新.理论分析和仿真实验表明:ISS-ELM在保持SS-ELM泛化能力的基础上,大幅提高了学习速度;此外,与另一种监督学习类型的增量超限学习机(EM-ELM)相比,ISS-ELM具有更好的泛化能力.
文献关键词：
单隐层前馈神经网络;隐层节点;半监督学习;超限学习机;增量学习
中图分类号：
作者姓名：
梅颖;沈洋;叶思语;卢诚波
作者机构：
丽水学院工学院,浙江丽水323000;温州医科大学公共卫生与管理学院,浙江温州325035
文献出处：
引用格式：
[1]梅颖;沈洋;叶思语;卢诚波-.一种自适应确定隐层节点数的增量半监督超限学习机算法)[J].复旦学报（自然科学版）,2022(01):27-33
A类：
B类：
隐层节点,超限学习机,单隐层前馈神经网络,复杂程度,ELM,ISS,逐个,成批,权矩阵,新训,泛化能力,学习速度,学习类型,EM,半监督学习,增量学习
AB值：
0.215622
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
