论文部分内容阅读
针对大规模非线性回归问题，提出基于静态储备池的Newton算法．利用储备池搭建高维特征空间，将原始问题转化成与储备池维数相关的线性支持向量回归问题，并应用Newton算法求解．鲁棒损失函数的应用可抑制异常点对预测结果的干扰．通过与SVR（Support Vector Regression）及储备池Tikhonov正则化方法比较，验证了所提方法的快速性、较高的预测精度和较好的鲁棒性．