.png){kind=icon}
返回
Broad learning system based on fractional order optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2025.107468.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于其在高效增量学习方面的性能，广度学习系统（BLS）在机器学习领域受到了广泛关注。学者们在算法研究中发现，使用最大相关熵准则（MCC）能够进一步提升广度学习处理异常值的能力。近期研究表明，微分方程可用于表示深度学习的前向传播。基于MCC的BLS利用微分来优化参数，这表明微分方法也可用于BLS优化。但一般方法采用整数阶微分方程，忽略了整数阶之间的系统信息。由于分数阶微分方程具有长期记忆特性，本文创新性地将分数阶优化引入BLS，称为FOBLS，以更好地增强BLS的数据处理能力。首先，利用分数阶构建BLS，将长期记忆特性融入权重优化过程。此外，基于分数阶构建动态增量学习系统进一步增强了网络优化能力。实验结果证明了本文提出方法优异的性能。
Keyword:
Broad learning system
Fractional order optimization
Fractional derivative
Dynamic incremental learning
期刊
IF:
6.3
论文数:
8.2K
被引数:
3.0W
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏
分享收藏Composite Learning From Fractional-Order Fuzzy Echo State Network Control Using Historical Data
PREAI
分享收藏分享收藏
查看更多内容