-
题名宽度学习系统中鲁棒性权值矩阵组合的筛选方法
被引量：1
- 1
-
-
作者
汪韩
万源
王东
丁义明
-
机构
武汉理工大学理学院
武汉科技大学理学院
-
出处
《计算机应用》
CSCD
北大核心
2024年第10期3032-3038,共7页
-
基金
国家重点研发计划项目(2020YFA0714200)。
-
文摘
宽度学习系统(BLS)具有出色的计算效率和预测准确性;然而,在传统BLS框架中,权值矩阵采用随机生成的方式,存在学习结果不稳定的风险。因此,设计一种BLS中鲁棒性权值矩阵组合的筛选方法(RWS-BLS)。首先,通过4组函数数据的验证,揭示随机权值矩阵在样本整体训练误差上的显著差异性;其次,研究权值矩阵组合的形式,放宽筛选条件的严格最优限制,将最优转换为较优,并将误差最小值限定在指定范围内,定义精英组合等条件;最后,得到可靠的权值矩阵的组合,有效降低随机性影响,并建立稳健的模型。实验结果表明,在16组模拟数据、NORB数据集和5组UCI回归数据集上,在数据更换或受噪声扰动的情况下,与BLS方法相比,所提方法的均方误差(MSE)下降了7.32%、8.73%和1.63%。RWS-BLS为BLS提供了一种模型平稳性研究的方向,提高了含有随机参数模型的效率和稳定性,并对涉及随机参数的其他机器学习方法具有借鉴作用。
-
关键词
宽度学习系统
权值矩阵组合
特征节点
增强节点
鲁棒性分析
-
Keywords
Broad Learning System(BLS)
weight matrix combination
feature node
enhancement node
robustness analysis
-
分类号
TP389.1
[自动化与计算机技术—计算机系统结构]
-
