Resumen

Una máquina de aprendizaje de peso óptimo con crecimiento de nodos ocultos y aprendizaje incremental (OWLM-GHNIL) se logra añadiendo nodos ocultos aleatorios a redes de una sola capa oculta de alimentación hacia adelante (SLFNs) uno por uno o en grupos. Durante el crecimiento de las redes, los pesos de entrada y los pesos de salida se actualizan de forma incremental, lo que puede implementar eficientemente la máquina de aprendizaje de peso óptimo convencional (OWLM). Los resultados de la simulación y las pruebas estadísticas también demuestran que el OWLM-GHNIL tiene un mejor rendimiento de generalización que otros algoritmos de tipo incremental.

• Materias:Algoritmo de agrupamiento Reconocimiento de caracteres Reconocimiento de entidades nombradas Algoritmos de recomendación Tecnologías de contenedores
• Subjects:Clustering algorithm Character recognition Named entity recognition Recommendation algorithms Container technologies
• Palabras claves:Máquina de aprendizaje de peso; Nodos ocultos; Aprendizaje incremental; Redes de alimentación hacia adelante de una sola capa oculta; Pesos de entrada; Pesos de salida
• Keywords:Weight learning machine; Hidden nodes; Incremental learning; Single hidden layer feedforward networks; Input weights; Output weights