典型文献
一种随机配置网络软测量模型的稀疏学习方法
文献摘要：
随机配置网络(SCN)构建一个不等式约束条件对隐性参数进行随机分配,同时对其范围进行自适应选择,具有收敛速度快、建模精度高等优点.由于随机算法的本质特性,不可避免产生低值、冗余节点,为提高SCN软测量模型的稀疏性,提出一种简约随机配置网络(PSCN).PSCN在网络增量构建目标函数中引入L1范数,建立一个新的不等式约束条件来保障隐性节点的生成质量.并进一步针对新建目标函数的非凸性和非光滑性,采用交替方向乘子法(ADMM)对整个PSCN网络的输出权重进行更新.最后,将所提出方法应用于基准数据集和实际工业过程软测量问题中,结果表明该方法可有效简化模型结构,同时具有较高的泛化性能.
文献关键词：
随机配置网络;L1正则化;软测量模型;不等式约束;交替方向乘子法
中图分类号：
作者姓名：
王前进;代伟;陆群;辅小荣;马小平
作者机构：
盐城工学院电气工程学院,江苏盐城224051;中国矿业大学信息与控制工程学院,江苏徐州221116;中国矿业大学人工智能研究院,江苏徐州221116
文献出处：
引用格式：
[1]王前进;代伟;陆群;辅小荣;马小平-.一种随机配置网络软测量模型的稀疏学习方法)[J].控制与决策,2022(12):3171-3182
A类：
PSCN
B类：
随机配置网络,软测量模型,稀疏学习,不等式约束,随机分配,自适应选择,收敛速度,建模精度,随机算法,法的本质,本质特性,低值,冗余节点,稀疏性,简约,增量构建,构建目标,L1,范数,非凸性,非光滑,光滑性,交替方向乘子法,ADMM,基准数据集,工业过程,测量问题,简化模型,模型结构,泛化性能,正则化
AB值：
0.3423
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。
