科研之友
微信
新浪微博
Facebook
分享链接
摘要
单隐层前馈神经网络(SLFN)以其量级轻、参数量少、训练成本低等优点，目前被广泛地运用于函数逼近处理、模式识别和控制领域中。随机向量函数连接网络(RVFL)作为SLFN的一种，能够将输入层与输出层做直接相连，加强输出层与输入层的关联。然而目前的预测任务中，已经训练好的网络在面对批量数据会随时间不断变化的情况时，则容易显露出泛化能力不足问题。为了提升网络的泛化能力，并防止重复训练，本文提出了一种在线顺序的RVFL算法，使用L21范数实现正则化。在UCI数据集上经过对多种相关参数的最佳选择后，与同类型的RVFL算法和LR21-RVFL算法相比，本文提出的LR21-OSRVFL算法在多种评价指标下均有更优表现。
- 单位
