基于截断1-范数损失函数的鲁棒超限学习机

来源：南京信息工程大学学报·自然科学版杂志2019年第4期北京时间：

作者：王快妮

单位：王快妮,西安石油大学 理学院, 西安, 710065;东南大学 数学学院, 南京, 211189,曹进德,东南大学 数学学院, 南京, 211189,jdcao@seu.edu.cnis_first_author:0,is_contact_author:,sequence:2,first_name:,middle_name:,last_name:,resume:,institute_superscript:

摘要：对噪声和异常值较敏感、鲁棒性差是超限学习机（ELM）的主要问题.在1-范数损失函数的基础上，提出截断1-范数损失函数来抑制噪声和异常值的影响，建立了基于截断1-范数损失函数的鲁棒ELM模型.通过迭代重赋权算法求解对应的优化问题，并利用4个模拟数据集和9个真实数据集验证模型的有效性.数值实验结果表明，在噪声环境下鲁棒ELM的泛化性能优于对比方法，并且具有较强的鲁棒性，尤其是在异常值比例较大的情形下.

关键词：神经网络;超限学习机;鲁棒;截断损失函数;异常值

基金资助：国家自然科学基金（61833005，61907033）；中国博士后基金（2018M642129）