Resumen

La máquina de aprendizaje extremo (ELM), como tecnología emergente, ha atraído recientemente el interés de muchos investigadores debido a su rápida velocidad de aprendizaje y su capacidad de generalización de vanguardia en la implementación. Mientras tanto, se propuso la máquina de aprendizaje extremo incremental (I-ELM) basada en el algoritmo de aprendizaje incremental, que supera a muchos algoritmos de aprendizaje populares. Sin embargo, los algoritmos incrementales con ELM no recalculan los pesos de salida de todos los nodos existentes cuando se añade un nuevo nodo y no pueden obtener la solución de mínimos cuadrados de los vectores de pesos de salida. En este trabajo, proponemos una máquina de aprendizaje incremental ortogonal convexa (OCI-ELM) con el método de ortogonalización de Gram-Schmidt y el método de aprendizaje de optimización convexa de Barron para resolver el problema de optimización no convexo y el problema de solución por mínimos cuadrados, y a continuación damos las pruebas rigurosas en teoría. Además, en este trabajo proponemos una arquitectura profunda basada en autocodificadores OCI-ELM apilados según la filosofía de generalización apilada para resolver problemas de datos grandes y complejos. Los resultados experimentales verificados tanto con conjuntos de datos UCI como con grandes conjuntos de datos demuestran que la red profunda basada en autocodificadores OCI-ELM apilados (DOC-IELM-AEs) supera a los otros métodos mencionados en el artículo con un mejor rendimiento en problemas de regresión y clasificación.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Máquina de aprendizaje extremo; tecnología emergente; velocidad de aprendizaje rápida; capacidad de generalización de vanguardia; algoritmo de aprendizaje incremental; arquitectura profunda.
• Keywords:Extreme learning machine; emerging technology; fast learning speed; state-of-the-art generalization ability; incremental learning algorithm; deep architecture