基于随机向量函数链接神经网络的集成深度学习
计算机视觉与模式识别
2019-07-02 v1
摘要
本文提出一种基于随机神经网络的深度学习框架。特别地，受随机向量函数链接（RVFL）网络原理启发，我们提出一种具有堆叠层的深度 RVFL 网络（dRVFL）。dRVFL 隐藏层的参数在合适范围内随机生成并保持固定，而输出权重如同标准 RVFL 网络一样使用闭式解计算。我们还提出一种集成深度网络（edRVFL），可视为集成学习与深度学习的结合。不同于需要从头独立训练多个模型的传统集成方法，edRVFL 通过一次性训练单个 dRVFL 网络获得。dRVFL 与 edRVFL 框架均为通用框架，可与任何 RVFL 变体配合使用。为说明这一点，我们将深度学习网络与一种近期提出的稀疏预训练 RVFL（SP-RVFL）相集成。在来自不同领域的基准数据集上的大量实验显示了我们所提深度 RVFL 网络的优越性能。
引用
@article{arxiv.1907.00350,
title = {Random Vector Functional Link Neural Network based Ensemble Deep Learning},
author = {Rakesh Katuwal and P. N. Suganthan and M. Tanveer},
journal= {arXiv preprint arXiv:1907.00350},
year = {2019}
}
备注
34 pages