基于快速留一交叉验证的核极限学习机在线建模

被引：26

作者：

张英堂

马超

李志宁

范红波

机构：

[1] 军械工程学院车辆与电气工程系

来源：

上海交通大学学报 | 2014年 / 05期

关键词：

核方法; 极限学习机; 快速留一交叉验证;

D O I：

10.16183/j.cnki.jsjtu.2014.05.011

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出了一种基于快速留一交叉验证(FLOO-CV)的在线核极限学习机(OKELM),以逐次增加新样本与删除旧样本的方式进行在线训练;设计了一种无需人为设定、能够根据系统过程特性自适应改变的FLOO-CV预测误差阈值,根据误差阈值仅引入预报误差较大的样本对模型进行更新,以提高模型的稀疏性和泛化能力;利用Hermitian矩阵求逆引理实现了对网络输出权值的递推求解,减小了在线存储空间和计算时间.经混沌时间序列预测和连续搅拌釜式反应器的过程辨识结果表明,相比于离线核极限学习机、无稀疏策略的在线核极限学习机和在线序贯极限学习机,OKELM具有更快的计算速度和更高的学习精度.

引用

页码：641 / 646

页数：6

共 12 条

[1] 基于在线半监督学习的故障诊断方法研究 [J].

尹刚 ;

张英堂 ;

李志宁 ;

任国全 ;

范红波 .

振动工程学报, 2012, 25 (06) :637-642

[2] 极限学习机的快速留一交叉验证算法 [J].

刘学艺 ;

李平 ;

郜传厚 .

上海交通大学学报, 2011, (08) :1140-1145

[3] 具有选择与遗忘机制的极端学习机在时间序列预测中的应用 [J].

张弦 ;

王宏力 .

物理学报, 2011, 60 (08) :74-80

[4]

在线核学习建模算法及应用研究[D]. 陈坤.浙江大学. 2011

[5]

模式识别中的核方法及其应用[M]. 国防工业出版社 , 徐勇, 2010

[6]

矩阵分析与应用[M]. 清华大学出版社 , 张贤达著, 2004

[7]

Fashion retailing forecasting based on extreme learning machine with adaptive metrics of inputs[J] . Min Xia,Yingchao Zhang,Liguo Weng,Xiaoling Ye.Knowledge-Based Systems . 2012

[8] Parameter-insensitive kernel in extreme learning for non-linear support vector regression [J].

Frenay, Benoit ;

Verleysen, Michel .

NEUROCOMPUTING, 2011, 74 (16) :2526-2531

[9]

Optimization method based extreme learning machine for classification[J] . Guang-Bin Huang,Xiaojian Ding,Hongming Zhou.Neurocomputing . 2010 (1)

[10]

Extreme learning machine: Theory and applications[J] . Guang-Bin Huang,Qin-Yu Zhu,Chee-Kheong Siew.Neurocomputing . 2006 (1)

← 1 2 →