[发明专利]一种快速的神经网络学习方法无效
| 申请号： | 201110319217.5 | 申请日： | 2011-10-19 |
| 公开（公告）号： | CN103065191A | 公开（公告）日： | 2013-04-24 |
| 发明（设计）人： | 邓万宇;陈琳 | 申请（专利权）人： | 西安邮电学院 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 710121*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 快速 神经网络 学习方法 | ||
【权利要求书】：
1.一种快速的神经网络学习方法，其特征在于：修正代价函数
Huang为SLFN提出了一种称为极速学习机(Extreme Learning Machine，ELM)的学习方法：设置合适的隐藏层结点数，为输入权和隐藏层偏差进行随机赋值，然后输出层权值然通过最小二乘法得到。整个过程一次完成，无需迭代，与BP相比速度显著提高(通常10倍以上)。但是ELM仅考虑经验风险，没有考虑到结构化风险，因此可能导致过度拟合问题。
根据统计学理论，实际风险包括经验风险和结构风险两种成分。一个具有较好泛化性能的模型应该能权衡这两种风险，并取得最佳的折中。
本专利RELM将同时考虑这两种风险因素，并通过参数γ调节两种风险的比例，RELM的数学模型可表示为：
其中，误差的平方和||ε||2代表经验风险；||β||2代表结构风险，它源于统计理论中边缘距离最大化原理；而γ则是两种风险的比例参数，通过交叉验证的方式确定γ来获得两种风险的最佳折中点。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安邮电学院，未经西安邮电学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201110319217.5/1.html，转载请声明来源钻瓜专利网。
