GB-RVFL：随机神经网络与粒球计算的融合
机器学习
2024-09-26 v1 人工智能
摘要
随机向量函数链接（RVFL）网络是一种具有强泛化能力的杰出分类模型。然而，RVFL 均匀对待所有样本，忽略了它们是纯净的还是含噪的，并且由于需要对整个训练矩阵求逆，其可扩展性受到限制。为了解决这些问题，我们提出了粒球 RVFL（GB-RVFL）模型，该模型使用粒球作为输入代替训练样本。这种方法仅需对 GB 中心矩阵求逆，从而增强了可扩展性，并通过 GB 的粗粒度提高了对噪声和异常值的鲁棒性。此外，RVFL 忽略了数据集的几何结构。为了解决这一问题，我们提出了图嵌入 GB-RVFL（GE-GB-RVFL）模型，该模型融合了粒计算和图嵌入（GE）以保持 GB 的拓扑结构。所提出的 GB-RVFL 和 GE-GB-RVFL 模型在 KEEL、UCI、NDC 和生物医学数据集上进行了评估，结果表明其性能优于基线模型。
引用
@article{arxiv.2409.16735,
title = {GB-RVFL: Fusion of Randomized Neural Network and Granular Ball Computing},
author = {M. Sajid and A. Quadir and M. Tanveer},
journal= {arXiv preprint arXiv:2409.16735},
year = {2024}
}