基于信赖域Newton算法的ELM网络

被引：4

作者：

韩敏

王新迎

机构：

[1] 大连理工大学电子信息与电气工程学部

来源：

控制与决策 | 2011年 / 05期

关键词：

极端学习机; 信赖域Newton法; 共轭梯度法; 回归;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

针对极端学习机(ELM)网络伪逆输出权值计算方法的运算复杂度制约其训练速度问题,提出一种基于信赖域Newton算法的新型ELM网络(TRON-ELM),并采用信赖域Newton算法求解ELM网络的输出权值.该算法首先构造一个ELM网络代价函数的Newton方程,并将其作为一个无约束优化问题,采用共轭梯度法求解,避免了求代价函数Hessian矩阵逆的运算,提高了训练速度,信赖域条件的存在保证了算法的整体收敛性.仿真实验结果验证了所提出方法的有效性.

引用

页码：757 / 760

页数：4

共 5 条

[1]

ESN岭回归学习算法及混沌时间序列预测 [J].