.png){kind=icon}
返回
An Enhanced Extreme Learning Machine Based on Square-Root Lasso Method
.png){kind=icon}
OA
AI
DOI：10.1007/s11063-024-11443-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
摘要极限学习机（ELM）是最具代表性的机器学习算法之一，具有诸多优势，尤其是其训练速度。然而，ELM存在一些不足，例如在存在多重共线性的线性模型中表现出不稳定性、泛化能力差和过拟合问题。本文引入平方根套索极限学习机（SQRTL-ELM）作为一种新颖的正则化ELM算法，以解决ELM的这些不足。采用改进的交替最小化算法来获得所提出方法的估计值。提出了多种技术来确定SQRTL-ELM的调谐参数。将该方法与基本ELM、RIDGE-ELM、LASSO-ELM和ENET-ELM在六个基准数据集上进行比较。性能评估结果显示，SQRTL-ELM在基准数据集上的测试均方根误差方面表现出令人满意的效果，仅需略微增加计算时间。该方法的优越性水平取决于调谐参数选择技术。因此，所提出的方法可被视为避免回归问题中性能损失的一种强大替代方案。
期刊
暂无期刊信息
机构
暂无机构信息
引用论文
暂无论文信息