论文部分内容阅读
极限学习机(ELM)作为一种单隐层前馈神经网络已成功应用于大数据分析.与传统神经网络相比,ELM 具有结构简单,学习速度快和较好的推广性等优势.但是,ELM 的输出权值是基于最小二乘法(1 east square,LES)估计的,这容易夸大离群点和噪声的影响,导致其预测性能的不稳定.本文提出一种新的稳健的ELM-基于最小一乘回归的极限学习机框架,称为LAD-ELM.而且,问题被转化为线性规划,能够简单、快速求其全局最优解.