基于截断1-范数损失函数的鲁棒超限学习机

作者：王快妮; 曹进德^*

来源：南京信息工程大学学报(自然科学版), 2019, 11(04): 453-459.

DOI：10.13878/j.cnki.jnuist.2019.04.014

• 神经网络
• 超限学习机
• 鲁棒
• 截断损失函数
• 异常值

对噪声和异常值较敏感、鲁棒性差是超限学习机(ELM)的主要问题.在1-范数损失函数的基础上,提出截断1-范数损失函数来抑制噪声和异常值的影响,建立了基于截断1-范数损失函数的鲁棒ELM模型.通过迭代重赋权算法求解对应的优化问题,并利用4个模拟数据集和9个真实数据集验证模型的有效性.数值实验结果表明,在噪声环境下鲁棒ELM的泛化性能优于对比方法,并且具有较强的鲁棒性,尤其是在异常值比例较大的情形下.

• 单位
  数学学院; 西安石油大学; 东南大学