一种基于互信息变量选择的极端学习机算法
来源期刊:控制与决策2014年第9期
论文作者:韩敏 刘晓欣
文章页码:1576 - 1580
关键词:极端学习机;变量选择;互信息;回归分析;
摘 要:针对回归问题中存在的变量选择和网络结构设计问题,提出一种基于互信息的极端学习机(ELM)训练算法,同时实现输入变量的选择和隐含层的结构优化.该算法将互信息输入变量选择嵌入到ELM网络的学习过程之中,以网络的学习性能作为衡量输入变量与输出变量相关与否的指标,并以增量式的方法确定隐含层节点的规模.在Lorenz、Gas Furnace和10组标杆数据上的仿真结果表明了所提出算法的有效性.该算法不仅可以简化网络结构,还可以提高网络的泛化性能.
韩敏,刘晓欣
大连理工大学电子信息与电气工程学部
摘 要:针对回归问题中存在的变量选择和网络结构设计问题,提出一种基于互信息的极端学习机(ELM)训练算法,同时实现输入变量的选择和隐含层的结构优化.该算法将互信息输入变量选择嵌入到ELM网络的学习过程之中,以网络的学习性能作为衡量输入变量与输出变量相关与否的指标,并以增量式的方法确定隐含层节点的规模.在Lorenz、Gas Furnace和10组标杆数据上的仿真结果表明了所提出算法的有效性.该算法不仅可以简化网络结构,还可以提高网络的泛化性能.
关键词:极端学习机;变量选择;互信息;回归分析;