Resumen

La mquina de aprendizaje extremo (ELM) se propuso originalmente para el aprendizaje de redes neuronales de una sola capa oculta para superar los retos a los que se enfrentaban el algoritmo de aprendizaje de retropropagacin (BP) y sus variantes. Estudios recientes muestran que ELM puede extenderse a la red neuronal feedforward multicapa en la que el nodo oculto podra ser una subred de nodos o una combinacin de otros nodos ocultos. Aunque el algoritmo ELM con mltiples capas ocultas muestra una mayor capacidad de expresin no lineal y estabilidad en los resultados tericos y experimentales que el algoritmo ELM con una sola capa oculta, con la profundizacin de la estructura de la red tambin se pone de manifiesto el problema de la optimizacin de los parmetros, que suele requerir ms tiempo para la seleccin del modelo y aumenta la complejidad computacional. Este trabajo utiliza la estrategia de factorizacin de Cholesky y la transformacin de rotacin de Givens para elegir los nodos ocultos de MELM y obtiene el nmero de nodos ms adecuado para la red. En primer lugar, la red inicial tiene un gran nmero de nodos ocultos y, a continuacin, utiliza la idea de regresin de cresta para podar los nodos. Finalmente, se obtiene una red neuronal completa. Por tanto, el algoritmo ELM elimina la necesidad de configurar manualmente los nodos y consigue una automatizacin completa. Al utilizar la informacin de la matriz de pesos de conexin de las generaciones anteriores, puede ser evitable volver a calcular la matriz de pesos en el proceso de simplificacin de la red. Al igual que en los mtodos de factorizacin matricial, el factor de factorizacin Cholesky se calcula mediante la transformada de rotacin de Givens para lograr la rpida actualizacin decreciente de la matriz de pesos de conexin actual, garantizando as la estabilidad numrica y la alta eficiencia del proceso de poda. Los estudios empricos sobre varios problemas de clasificacin de uso comn y los conjuntos de datos reales recogidos de la industria del carbn muestran que, en comparacin con el algoritmo ELM tradicional, el algoritmo ELM multicapa de poda propuesto en este trabajo puede encontrar el nmero ptimo de nodos ocultos de forma automtica y tiene un mejor rendimiento de generalizacin.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Algoritmo de aprendizaje; Nodos ocultos; Red neuronal multicapa feedforward; Factorización Cholesky; Transformación de rotación de Givens; Estabilidad numérica.
• Keywords:Learning algorithm; Hidden nodes; Multilayered feedforward neural network; Cholesky factorization; Givens rotation transformation; Numerical stability