.png){kind=icon}
返回
Advancing broad learning through structured feature generation
.png){kind=icon}
OA
AI
DOI：10.1016/j.eswa.2025.129948.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 采用结构化设计解决广域学习系统中的随机性冗余问题。
• 相比经典广域学习系统，在分类和回归任务中提高了精度。
• 解决了随机神经网络架构在面对噪声和稀疏数据时缺乏鲁棒性的问题。
• 结构化网络设计产生可解释的特征图，使人工智能决策过程透明化。
Keyword:
Broad learning system
Randomized neural networks
Random features
Feature generation
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.5
论文数:
2.9W
被引数:
10.2W
机构
暂无机构信息
引用论文
A New Data Completion Perspective on Sparse CrowdSensing: Spatiotemporal Evolutionary Inference Approach一种新的稀疏众包数据补全视角：时空演化推断方法
PREAI
分享收藏InverseTime: A Self-Supervised Technique for Semi-Supervised Classification of Time SeriesInverseTime: 一种用于时间序列半监督分类的自监督技术.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏GCCNet: A Novel Network Leveraging Gated Cross-Correlation for Multi-View ClassificationGccnet：一种利用门控互相关进行多视图分类的新型网络
PREAI
分享收藏
查看更多内容