极限学习机中多隐节点的高效无逆增广与减广算法
机器学习
2020-04-29 v1 机器学习
摘要
[4]中提出的无逆极限学习机(ELM)算法基于一种无逆算法来计算正则化伪逆，该算法由更新Hermitian矩阵之逆的无逆递归算法推导而来。在该递归算法应用于[4]之前，其改进版本已在文献[9]、[10]中被使用。相应地，从改进递归算法[9]、[10]出发，[13]中提出了几种高效的无逆ELM算法以降低计算复杂度。本文针对带Tikhonov正则化的ELM提出两种无逆算法，可在一轮迭代中增加多个隐节点。另一方面，我们也提出两种带Tikhonov正则化的ELM高效减广学习算法，可在一轮迭代中移除多个冗余节点。
引用
@article{arxiv.2004.13023,
title = {Efficient Inverse-Free Incremental and Decremental Algorithms for Multiple Hidden Nodes in Extreme Learning Machine},
author = {Hufei Zhu},
journal= {arXiv preprint arXiv:2004.13023},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:1911.04856