Resumen

La Máquina de Aprendizaje Extremo (ELM), como modelo de red neuronal rápido y eficiente en el reconocimiento de patrones y el aprendizaje automático, declinará cuando la muestra de entrenamiento etiquetada sea insuficiente. El aprendizaje por transferencia ayuda a la tarea objetivo a aprender un modelo fiable utilizando abundantes muestras etiquetadas del dominio diferente pero relevante. En este trabajo, proponemos una máquina de aprendizaje extremo supervisada con capacidad de transferencia de conocimiento, denominada máquina de aprendizaje extremo de transferencia con alineación de pesos de salida (TELM-OWA). En primer lugar, reduce la diferencia de distribución entre dominios alineando la matriz de pesos de salida de la ELM entrenada por las muestras etiquetadas de los dominios de origen y destino. En segundo lugar, la aproximación entre la matriz de pesos de salida del ELM interdominio se añade a la función objetivo para realizar la transferencia de conocimiento entre dominios. En tercer lugar, consideramos la función objetivo como un problema de mínimos cuadrados y lo transformamos en un modelo ELM estándar para resolverlo de forma eficiente. Finalmente, la eficacia del algoritmo propuesto se verifica mediante experimentos de clasificación en 16 conjuntos de datos de imágenes y 6 conjuntos de datos de texto, y el resultado demuestra el rendimiento competitivo de nuestro método con respecto a otros modelos ELM y al enfoque de aprendizaje de transferencia.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:matriz de pesos de salida, máquina de aprendizaje extremo, función de objetivos, llamada transferencia extrema, muestra de entrenamiento etiquetada, modelo de red neuronal, modelo elm estándar, conjunto de imagen, transferencia de conocimiento, salida elm interdominio
• Keywords:output weight matrix, extreme learning machine, objectives function, called transfer extreme, labeled training sample, neural network model, standard elm model, set of image, transfer of knowledge, interdomain elm output