| 最小学习机 |
| |
| 引用本文： | 王士同,钟富礼.最小学习机[J].江南学院学报,2010(5):505-510. |
| |
| 作者姓名： | 王士同 钟富礼 |
| |
| 作者单位： | [1]江南大学数字媒体学院,江苏无锡214122 [2]香港理工大学计算机系,香港 |
| |
| 基金项目： | 国家自然科学基金项目（60903100 60975027 60773206 60704047）; 香港理工大学基金项目（Z-08R G-U296）; 江苏省自然科学基金项目（BK2009067） |
| |
| 摘 要： | 针对极端学习机（ELM）不能用于多层前向神经网络学习的问题,通过揭示单层前向神经网络（SLFN）的ELM与岭回归以及中心化的岭回归之间的关系,提出了SLFN的最小学习机。通过证明核化的中心化岭回归与核化的PCA之间的关系,提出以无限可微的核函数为激励函数的多层前向神经网络（MLFN）的最小学习机LLM.SLFN/MLFN的最小学习机能够保持ELM的上述优势。
|
| 关 键 词： | 前向神经网络 核化的PCA算法 极端学习机 最小学习机 |
On Least Learning Machine |
| |
| Institution: | WANG Shi-tong,Korris Fu-Lai Chung(1.School of Digital Media,Jiangnan Univeisity,Wuxi 214122,China;2.Department of Computer,Hongkong Polytechnic University,Hongkong) |
| |
| Abstract: | In this paper,the link among extreme learning machine（ELM） for single-layer feedforward neural network（SLFN）and ridge regression and centered ridge regression is theoretically revealed,and accordingly,least learning machine（LLM） is proposed for SLFN.By using iteratively kernelized PCAs ＋ centered ridge regression,LLM for multi-layer feedforward neural network with kernel activation functions is theoretically developed with keeping the same advantage of ELM and LLM for SLFN. |
| |
| Keywords: | feedforward neural network kernelized PCA extreme learning machine least learning machine |
| 本文献已被 维普 等数据库收录！ |
