-
题名遗忘因子随机配置网络驱动的自适应切换学习模型
- 1
-
-
作者
乔景慧
张岩
陈宇曦
张开济
-
机构
沈阳工业大学机械工程学院
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2023年第8期71-83,共13页
-
基金
国家自然科学基金(61573249)
辽宁省自然科学基金(2019-MS-246)
+4 种基金
辽宁省教育厅基金(LZGD2019002)
辽宁省高等学校创新人才项目(LR2019048)
沈阳工业大学重点科研基金(ZDZRGD2020004)
沈阳工业大学研究生教育教学改革研究项目(SYJG20222002)资助
辽宁省研究生教育教学改革研究项目(LNYJG2022073)。
-
文摘
随机配置网络(SCNs)具有通用逼近能力和快速建模特性,已成功应用于大数据分析。在SCN的基础上,块增量随机配置网络(BSC)使用块增量机制提高训练速度,但增加了模型结构的复杂程度。为了解决上述难题,提出遗忘因子随机配置网络(FSCN-Ⅰ和FSCN-Ⅱ)驱动的自适应切换学习模型(ASLM)。该模型利用正态分布配置隐含层节点的输入参数。FSCN-Ⅰ通过误差值和遗忘因子调整节点块的尺寸,提高训练速度。FSCN-Ⅱ引入节点移除机制降低模型结构的复杂程度。ASLM由FSCN-Ⅰ和FSCN-Ⅱ构成,两者根据自适应变化的边界随机切换以提高模型的训练速度,并在FSCN-Ⅰ的基础上降低模型结构的复杂程度。最后,通过基础数据集和工业实例,表明该方法的有效性。
-
关键词
随机配置网络
遗忘因子
动态隐含层节点
自适应切换学习模型
-
Keywords
stochastic configuration networks
forgetting factor
dynamic hidden nodes
adaptive switching learning model
-
分类号
TN911.7
[电子电信—通信与信息系统]
TP24
[自动化与计算机技术—检测技术与自动化装置]
-
