一种改进的极速学习装置及其模式分类方法

    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

    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。

    一种改进的极速学习模型及其模式分类方法

    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

    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。

Patent Agency Ranking