本文關(guān)鍵詞：二維分割貫序正則化超限學(xué)習(xí)機(jī)　出處：《控制與決策》2017年09期 　論文類型：期刊論文

  更多相關(guān)文章： 在線貫序超限學(xué)習(xí)機(jī) Tikhonov正則化 分割 在線學(xué)習(xí) 大數(shù)據(jù)流

【摘要】：針對大規(guī)模在線學(xué)習(xí)問題,提出一種二維分割貫序正則化超限學(xué)習(xí)機(jī)(BP-SRELM).BP-SRELM以在線貫序超限學(xué)習(xí)機(jī)為基礎(chǔ),結(jié)合分治策略的思想,從實(shí)例和特征兩個(gè)維度對高維隱層輸出矩陣進(jìn)行分割,以降低問題求解的規(guī)模和計(jì)算復(fù)雜性,從而極大地提高對大規(guī)模學(xué)習(xí)問題的執(zhí)行效率.同時(shí),BP-SRELM通過融合使用Tikhonov正則化技術(shù)進(jìn)一步增強(qiáng)其在實(shí)際應(yīng)用中的穩(wěn)定性和泛化能力.實(shí)驗(yàn)結(jié)果表明,所提出的BP-SRELM不僅具有更高的穩(wěn)定性和預(yù)測精度,而且在學(xué)習(xí)速度上優(yōu)勢明顯,適用于大規(guī)模數(shù)據(jù)流的在線學(xué)習(xí)與實(shí)時(shí)建模.
[Abstract]:In order to solve the problem of large-scale online learning, a two-dimensional segmented sequential regularization learning machine (BP-SRELMU. BP-SRELM) is proposed, which is based on the online sequential out-of-limit learning machine. Combined with the idea of divide-and-conquer strategy, the output matrix of high-dimensional hidden layer is segmented from two dimensions of example and feature in order to reduce the scale and complexity of solving the problem. In order to greatly improve the implementation efficiency of large-scale learning problems. At the same time. BP-SRELM uses Tikhonov regularization technology to further enhance its stability and generalization ability in practical applications. The experimental results show that. The proposed BP-SRELM not only has higher stability and prediction accuracy, but also has obvious advantages in learning speed. It is suitable for online learning and real-time modeling of large-scale data streams.
【作者單位】： 南京航空航天大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;鹽城師范學(xué)院信息工程學(xué)院;中國民航大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(61603326,61379064,61273106) 國家科技支撐計(jì)劃課題(2014BAJ04B02)
【分類號】：TP181
【正文快照】： 0引言在線學(xué)習(xí)是當(dāng)前機(jī)器學(xué)習(xí)領(lǐng)域的一個(gè)重要研究方向,其基本思想是隨著數(shù)據(jù)樣本的不斷到達(dá),學(xué)習(xí)機(jī)能夠?qū)Ξ?dāng)前輸入樣本進(jìn)行“局部”學(xué)習(xí)并保持模型的同步更新.與離線學(xué)習(xí)方法相比,在線學(xué)習(xí)方法能以增量的方式實(shí)現(xiàn)對數(shù)據(jù)樣本的持續(xù)快速學(xué)習(xí),非常適合對流式數(shù)據(jù)環(huán)境下的數(shù)據(jù)流進(jìn)

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 沈艷軍,汪秉文,胡曉婭;多層前向神經(jīng)網(wǎng)絡(luò)帶正則化因子的算法[J];系統(tǒng)工程與電子技術(shù);2004年09期

2 周定法;;電磁逆散射成像的一種混合正則化方法[J];微計(jì)算機(jī)信息;2007年13期

3 侯衛(wèi)東,莫玉龍;動(dòng)態(tài)電阻抗圖象重建的正則化方法[J];計(jì)算機(jī)工程;2001年09期

4 許建華,張學(xué)工,李衍達(dá);最小平方誤差算法的正則化核形式[J];自動(dòng)化學(xué)報(bào);2004年01期

5 李妍妍;李媛媛;葉世偉;;基于流形正則化的分類與回歸算法及應(yīng)用[J];計(jì)算機(jī)仿真;2007年10期

6 呂佳;;結(jié)合全局和局部正則化的半監(jiān)督二分類算法[J];計(jì)算機(jī)應(yīng)用;2012年03期

7 楊華,許王莉,趙紅蕊,陳雪,王錦地;定量遙感正則化反演中的信息流及其控制[J];中國科學(xué)(D輯:地球科學(xué));2003年08期

8 王文君;段曉君;朱炬波;;制導(dǎo)工具誤差分離自適應(yīng)正則化模型及應(yīng)用[J];彈道學(xué)報(bào);2013年03期

9 趙謙;孟德宇;徐宗本;;L_(1/2)正則化Logistic回歸[J];模式識別與人工智能;2012年05期

10 李宇峰;黃圣君;周志華;;一種基于正則化的半監(jiān)督多標(biāo)記學(xué)習(xí)方法[J];計(jì)算機(jī)研究與發(fā)展;2012年06期

相關(guān)博士學(xué)位論文 前3條

1 楊燾;流形正則化多核模型的監(jiān)督與半監(jiān)督分類研究與應(yīng)用[D];北京科技大學(xué);2016年

2 肖銓武;基于核的正則化學(xué)習(xí)算法[D];中國科學(xué)技術(shù)大學(xué);2009年

3 薛暉;分類器設(shè)計(jì)中的正則化技術(shù)研究[D];南京航空航天大學(xué);2008年

相關(guān)碩士學(xué)位論文 前7條

1 焦彩紅;正則化夾角間隔核向量機(jī)[D];河北大學(xué);2015年

2 余鉅東;正則化方法解決神經(jīng)網(wǎng)絡(luò)稀疏化問題[D];大連理工大學(xué);2015年

3 魏巍;基于粒子群算法的Tikhonov正則化方法研究[D];哈爾濱工業(yè)大學(xué);2016年

4 李論通;正則化快速最小二乘時(shí)域差分算法的研究[D];北京化工大學(xué);2016年

5 曾文才;Lp正則化在支持向量機(jī)中的應(yīng)用研究[D];浙江師范大學(xué);2012年

6 徐艷;基于主動(dòng)學(xué)習(xí)的圖像標(biāo)注方法研究[D];遼寧工業(yè)大學(xué);2014年

7 王雪巖;基于正則化框架的核函數(shù)選擇[D];西安電子科技大學(xué);2009年

，

本文編號：1424432