公开(公告)号：CN103914711B

公开(公告)日：2017-07-14

申请号：CN201410116579.8

申请日：2014-03-26

Applicant: 中国科学院计算技术研究所

Inventor： 苗军 ,  朱文涛 ,  卿来云

IPC: G06K9/66 ,  G06N3/12

Abstract: 一种改进的极速学习模型及其模式分类方法。本发明属于模式识别、机器学习领域，公开了一种高效的神经网络快速学习方法，受限极速学习机。它包括：(1)受限参数空间的概念：采用基于样本先验信息的侧抑制机制，具体体现在生成从输入层到隐含层连接权的生成上；(2)受限参数概念中的超球面受限条件：从输入层到隐含层连接权的选取受限在超球面上；(3)输出权学习：在受限参数空间内选取隐含层权值后，采用基于最小二乘的极速学习机模型，进行学习训练，最终得到模型的输出权值。以上方法，能够极大地提高模型的分类和识别效果，以及训练速度。

公开(公告)号：CN103914711A

公开(公告)日：2014-07-09

申请号：CN201410116579.8

申请日：2014-03-26

Applicant: 中国科学院计算技术研究所

Inventor： 苗军 ,  朱文涛 ,  卿来云

IPC: G06K9/66 ,  G06N3/12

Abstract: 一种改进的极速学习模型及其模式分类方法。本发明属于模式识别、机器学习领域，公开了一种高效的神经网络快速学习方法，受限极速学习机。它包括：(1)受限参数空间的概念：采用基于样本先验信息的侧抑制机制，具体体现在生成从输入层到隐含层连接权的生成上；(2)受限参数概念中的超球面受限条件：从输入层到隐含层连接权的选取受限在超球面上；(3)输出权学习：在受限参数空间内选取隐含层权值后，采用基于最小二乘的极速学习机模型，进行学习训练，最终得到模型的输出权值。以上方法，能够极大地提高模型的分类和识别效果，以及训练速度。