论文摘要
本文提出了一种基于正则化技术的宽度学习系统(Broad Learning System,BLS)网络结构简化方法,将BLS目标函数中的2范数分别替换为1范数和Elastic net,利用正则化技术衡量每个网络节点对输出预测的影响程度,将影响程度低的节点进行剔除,并引入贝叶斯信息准则,权衡预测精度与网络结构的关系,最后确定一个最佳的网络结构。对几种常用的回归数据集的实验表明,与BLS相比,本文提出的方法能够在保持预测精度的前提下,大大简化网络结构。
论文目录
文章来源
类型: 国际会议
作者: 褚菲,苏嘉铭,梁涛,陈俊龙,王雪松,马小平
关键词: 宽度学习系统,网络结构,正则化技术,贝叶斯信息准则
来源: 第30届中国过程控制会议（CPCC 2019） 2019-07-31
年度: 2019
分类: 基础科学,信息科技
专业: 数学,自动化技术
单位: 中国矿业大学信息与控制工程学院,中国科学院自动化研究所复杂系统管理与控制国家重点实验室,澳门大学科技学院,华南理工大学计算机科学与工程学院
分类号: TP181;O157.5
页码: 306
总页数: 1
文件大小: 248k
下载量: 96