多任务正则极限学习机的研究与应用

来源：计算机工程与应用杂志2019年第3期北京时间：

作者：睢璐璐，韩东升，闫 飞，阎高伟

单位：太原理工大学 信息工程学院，太原 030024

摘要：MT-ELM通过隐含层共享不同任务间的数据特性实现多任务学习，但MT-ELM忽略任务间关联程度的差异以及存在的过拟合问题，为此提出基于MT-RELM软测量建模方法。首先，利用RELM解决过拟合问题；其次，考虑任务之间关联度的差异，基于相关性较强的任务其权值向量也较相似的假设，在每个任务输出权值的基础上加入约束条件，利用此约束条件表示任务间的相关程度；最后，利用ADMM算法迭代求解得到MT-RELM的模型参数。基于合成数据集与湿式球磨机数据集的结果表明，此算法可有效地提高模型的预测精度以及泛化能力。

关键词：正则极限学习机,多任务,交替乘子法,过拟合