深度极限学习机相对于卷积神经网络的优越性
机器学习
2021-01-26 v1 人工智能
摘要
深度学习（DL）是一种用于人工智能的机器学习过程，通过增加神经元规模与隐藏层数量来细致分析输入数据。DL因图形处理单元能力的普遍提升而广受欢迎。各层神经元规模与隐藏层数量的增加直接关系到分类器的计算时间与训练速度。包括神经元权重、输出权重与偏置在内的分类参数需要被优化以获得最优模型。大多数流行DL算法因特征学习进程与反向传播训练流程，参数优化需漫长训练时间。减少训练时间并提供实时决策系统是新颖方法的基本关注点。深度极限学习机（Deep ELM）分类器模型是满足快速分类问题的最快且有效的方式之一。本研究中，讨论了Deep ELM模型及其优越性与弱点，以及相较于基于卷积神经网络的DL算法更适于这些分类器的问题。
引用
@article{arxiv.2101.10265,
title = {Superiorities of Deep Extreme Learning Machines against Convolutional Neural Networks},
author = {Gokhan Altan and Yakup Kutlu},
journal= {arXiv preprint arXiv:2101.10265},
year = {2021}
}
备注
7 pages, 2 figures, Natural and Engineering Sciences