资料下载
×
在高斯分布下优化激活函数中AT的极限学习机
消耗积分:0 |
格式:rar |
大小:2.67 MB |
2021-04-27
分享资料个
极限学习机（ELM）会大量映射到激活函数的饱和区域，同时隐含层输入与输岀远远不能获得共同的分布方式，导致泛化性能大打折扣。针对这一问题，研究了在高斯分布下优化激活函数中仿射变换（AT）的极限学习机，主要思想是在隐含层输入数据上引入新型的线性关系，利用梯度下降算法对误差函数中的缩放参数和平移参数进行优化，以满足隐含层输岀能够高度服从高斯分布。基于高斯分布计算仿射参数的方法，能够保证隐节点相互独立的同时，也强调了高度的依赖关系。实验结果表明，在实际分类数据集和图像回归数据集中，隐含层输岀数据不能很好地服从均匀分布，但服从高斯分布趋势，总体上能够达到更好的实验效果与原始ELM算法和AT-ELM1算法比较，均有显著的改善。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
