DrELM:基于极限学习机的深度表示学习
需积分: 22 9 浏览量
更新于2024-08-26
收藏 1.14MB PDF 举报
"通过极限学习机学习深度表示"
极限学习机(ELM)是一种高效的学习算法,尤其在大规模的二进制分类、多类别分类及回归任务中表现出色。ELM的核心在于其快速训练特性,它使用随机初始化的隐藏层神经元,通过单一的训练步骤来确定输出权重,避免了反向传播中的梯度计算。然而,传统的ELM通常仅包含单个隐藏层,限制了其对复杂数据结构的建模能力。
深度学习,特别是深度神经网络,能够发现数据的多层次表示,从而捕获更高级别的抽象特征。这些高级特征对于许多复杂的预测任务至关重要。然而,大多数深度学习方法涉及解决一个复杂的非凸优化问题,这可能导致训练过程中的局部最优和过拟合问题。
论文中提出的DrELM(深度极限学习机)旨在结合ELM的高效性和深度学习的潜力。DrELM采用堆叠泛化原理,即通过多个层次的ELM构建深度架构。每个层次的ELM将前一层的预测结果与原始特征结合,通过随机投影和内核化生成新的特征空间。这种方法既保留了ELM的快速学习特性,又引入了深度学习的表达能力。
在随机移位和内核化的作用下,DrELM可以捕获输入数据的非线性特征,生成更适合预测任务的特征表示。实验结果显示,DrELM在合成数据集和实际数据集上的分类和回归性能优于传统的ELM和内核ELM,其表现接近于堆叠式自动编码器(一种深度学习模型)。然而,DrELM的训练过程更为简单,测试速度更快,体现了其在效率和效果之间的良好平衡。
DrELM是ELM与深度学习思想的创新结合,它提供了一种新的途径来学习预测性的深度表示,这对于处理复杂数据和实现高精度预测任务具有重要价值。该方法对于那些需要快速训练和高性能预测的场景,如图像识别、自然语言处理和时间序列预测等领域,有着广泛的应用前景。
2022-03-19 上传
2023-10-10 上传
2023-11-27 上传
2023-04-29 上传
2023-09-09 上传
2024-04-17 上传
2023-06-12 上传
weixin_38629939
- 粉丝: 10
- 资源: 925
最新资源
- JSP+SSM科研管理系统响应式网站设计案例
- 推荐一款超级好用的嵌入式串口调试工具
- PHP域名多维查询平台:高效精准的域名搜索工具
- Citypersons目标检测数据集:Yolo格式下载指南
- 掌握MySQL面试必备:程序员面试题解析集锦
- C++软件开发培训:核心技术资料深度解读
- SmartSoftHelp二维码工具:生成与解析条形码
- Android Spinner控件自定义字体大小的方法
- Ubuntu Server on Orangepi3 LTS 官方镜像发布
- CP2102 USB驱动程序的安装与更新指南
- ST-link固件升级指南:轻松更新程序步骤
- Java实现的质量管理系统Demo功能分析与操作
- Everything高效文件搜索工具:快速精确定位文件
- 基于B/S架构的酒店预订系统开发实践
- RF_Setting(E22-E90(SL)) V1.0中性版功能解析
- 高效转换M3U8到MP4:免费下载工具发布