网络结构增长的极端学习机算法

作     者：李凡军 乔俊飞 韩红桂 LI Fan-jun;QIAO Jun-fei;HAN Hong-gui

作者机构：北京工业大学电子信息与控制工程学院北京100124 济南大学数学科学学院山东济南250022 

基　　金：国家自然科学基金资助项目(61034008 61203099 61225016) 北京市自然科学基金资助项目(4122006) 教育部博士点新教师基金项目(20121103120020) 

出 版 物：《控制理论与应用》 (Control Theory & Applications)

年 卷 期：2014年第31卷第5期

页      码：638-643页

摘      要：针对极端学习机(extreme learning machine,ELM)结构设计问题,基于隐含层激活函数及其导函数提出一种前向神经网络结构增长算法.首先以Sigmoid函数为例给出了一类基函数的派生特性:导函数可以由其原函数表示.其次,利用这种派生特性提出了ELM结构设计方法,该方法自动生成双隐含层前向神经网络,其第1隐含层的结点随机逐一生成.第2隐含层的输出由第1隐含层新添结点的激活函数及其导函数确定,输出层权值由最小二乘法分析获得.最后给出了所提算法收敛性及稳定性的理论证明.对非线性系统辨识及双螺旋分类问题的仿真结果证明了所提算法的有效性.

主 题 词：前向神经网络 极端学习机 导数 结构设计 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 0808[工学-自动化类] 0809[工学-计算机类] 081104[081104] 08[工学] 0802[工学-机械学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.7641/CTA.2014.31001

馆 藏 号：203797015...