随机投影下的Plane-Gaussian人工神经网络.pdfVIP

ISSN1004—9037，CODENSCYCE4 http：／／Sjcj．nuaa．edu．cn of JournalData and AcquisitionProcessingV01．32，No．2，Mar．2017，pp．354—362E—mail：Sj DOI：10．16337／j．1004—9037．2017．02．017 7 ofData ◎201byJ。umal and AcquisitionProcessing 随机投影下的Plane—Gaussian人工神经网络 冯 哲 杨绪兵 张福全 (南京林业大学信息科学技术学院，南京，210037) 摘 练时间过长，且易陷入局部极小值的问题，借鉴极限学习机(Extreme learning network 数随机选择的方式，提出了随机投影下的平面高斯神经网络(Plane—Gaussianbasedonrandom 广义逆求解输出层权值。理论上证明该网络具有全局逼近性。同时，对呈直线型和平面型的人工数据 方法，并且在继承了PG网络对呈子空间分布的数据分类具有优势的情况下，显著提高了网络的学习 速度。 关键词：人工神经网络；随机投影；平面；高斯；极限学习机 中图分类号：TP391 文献标志码：A Plane_GaussianArtificialNeuralNetworkBasedon Random Projection FengZhe，YangXubing，ZhangFuquan ofInformationScienceand (College Techn0109y，NanjingForestryUniversity，Nanjing，210037，China) the Abstract：ForP1ane—Gaussian(PG)artificialnetwork network，its are fromk— parametersgenerated in withrandom planeclusteringalgorithmtrainingphase． ofextreme ma— Compared parameters learning chine(EI。M)，PGisa time—consumerand to intolocal solution．To the easytrap optimal improveper— formanceofPG ELMinthis new network，inspiredby methodbasedonrandomec— paper，atraining proj tionforPG network，termedasRandPG，is forthe proposed．Typically， three—layernetwork，the matrixbetween weight