基于量化最小误差熵的宽度学习方法、介质及设备

作者：张思敏; 陈俊龙; 刘竹琳

来源：2022-03-23, 中国, CN202210285616.2.

本发明提供了一种基于量化最小误差熵的宽度学习方法、介质及设备；其中方法包括如下步骤：输入一个包含N个训练样本的样本集合,初始化宽度学习模型；计算输出层的初始权重并初始化对应的目标函数值；计算每个样本的预测误差；通过量化每个样本的预测误差,降低基于最小误差熵设计的目标函数的计算复杂度；采用定点迭代算法一次求出每次的输出层权重和对应的目标函数值；当目标函数符合要求或达到最大迭代次数时,结束训练,将当前权重作为宽度学习模型的输出层权重。该方法根据量化最小误差熵准则来训练宽度学习模型的输出层权重,解决宽度学习模型在非高斯环境中稳定性不足的问题,从而提升宽度学习模型的性能。

• 单位
  华南理工大学