前馈网络的一种高精度鲁棒在线贯序学习算法.pdfVIP

第 49卷 第 8期 上 海 交 通 大 学 学 报 Vol_49NO．8 2015年 8月 JOuRNAL OF SHANGHAIJIA0T0NGUNIVERSITY Aug．2015 文章编号：1006—2467(2015)08—1137—07 DOI：10．16183／j．cnki．jsjtu．2015．08．010 前馈网络的一种高精度鲁棒在线贯序学习算法 卢诚波， 梅 颖 (丽水学院 工程与设计学院，浙江 丽水 323000) 摘 要 ：基于离散傅里叶变换一极限学习机 (DFT—ELM)提 出了一种新的单隐层前馈神经网络在线 贯序学习算法，命名为 “在线贯序一离散傅里叶变换一极限学习机”(OS—DFT—ELM)．该算法能够逐个 或逐段学习数据，随着新数据的逐渐到达，单隐层前馈神经网络的内权矩阵和外权矩阵得到逐步调 整．该算法与在线贯序一极 限学习机 (OS—ELM)相比，具有更高的精度和鲁棒性．同时，通过实验和 分析 ，表 明OS—DFT—ELM 具有优 良性能． 关键词：单隐层前馈神经网络；在线贯序算法；极 限学习机 中图分类号 ：TP183；TP3l1 文献标志码 ：A AnAccurateandRobustOnlineSequentialLearningAlgorithm forFeedforwardNetworks LU Cheng—bo， M EIYing (FacultyofEngineeringandDesign，LishuiUniversity，Lishui323000，Zhejiang，China) Abstract：Inthispaper，akindofaccurateandrobustonlinesequentiallearningalgorithm wasproposedfor singlehiddenlayerfeedforwardnetworks．Thealgorithm isreferredtoasonlinesequentialdiscreteFourier transform—extremelearningmachine (OS—DFT—ELM )．Thisapproach isabletolearn dataone—by—oneor chunk—by—chunk．Duringthegrowthofthedata，inputweightsandoutputweightsareadjustedincremen— tally．Theproposedalgorithm hasahigherdegreeofaccuracyandrobustnesscomparedtotheapproachre— ferredtoasonlinesequential—extremelearningmachine (OS—ELM )．Twosimulationexampleswerepres— entedtoshow theexcellentperformanceoftheproposedapproach． Key words： single hidden layer feedforward networks；online sequential learning machine；extreme learningmachine 由于单隐层前馈神经网络能够逼近任何复杂的 络 (SLFNs)分类器 ．由Rumelhart等u¨提 出的 非线性系统 ，这使得它在模式识别 、自动控制及数据 BP神经 网络是 目前应用最广泛的模型之一 ，BP训 挖掘领域得到了广泛的应用． 练方法是通过反 向误差传播原理不断调整网络权值 自20世纪 80年代以来 ，许多数字信号、图像识 使得实际输出与期望输出之间的误差平方和达到最 别领域 的研究人员就通过适当的选取隐层