基于极速学习的粗糙RBF神经网络  

Rough RBF Neural Network Based on Extreme Learning

作　　者：马刚[1,2] 丁世飞[1,2] 史忠植[2] 

机构地区：[1]中国矿业大学计算机科学与技术学院,江苏徐州221008 [2]中国科学院计算技术研究所,北京100190

出　　处：《微电子学与计算机》2012年第8期9-14,共6页Microelectronics & Computer

基　　金：国家自然科学基金(41074003;60975039);中国科学院智能信息处理重点实验室开放基金(IIP2010-1)

摘　　要：提出了一种用于训练粗糙RBF神经网络(rough RBF neural networks,R-RBF)的极速学习机(extreme learning machine,ELM)方法,通过引入矩阵的Moore-Penrose逆,将传统的迭代学习方法转换为一种求线性方程的极小范数最小二乘解的方法.实验证明,在训练精度、训练时间上都能够达到非常优越的性能,其泛化精度能够提升50%以上.The paper proposes a method of training rough RBF neural networks（R-RBF） using the extreme learning machine（ELM）, which eonverts the traditional iterative training method to solve norm least-squares solution of general linear system by introducing Moore-Penrose inverse. Experiments show that it can reach a very superior performance in both time and aeeuraey when ELM trains the Rough RBF Neural Networks, which can improve the generalization accuracy more than 50% compared with the traditional thinking of adjusting parameters iterative[y.

关 键 词：ELM R-RBF Moore-Penrose 极小范数最小二乘解 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]