Algoritmo de treinamento para rede SLFN com projeção aleatória e margem larga
Carregando...
Data
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Artigo de evento
Título alternativo
Learning Algorithm for an SLFN Network with Random Projection and Large Margin
Primeiro orientador
Membros da banca
Resumo
This work presents a large margin learning algorithm for single
hidden layer feedforward networks (SLFNs) with random weights
for the hidden neurons, called RP-IMA. This algorithm, applied to
binary classification problems, proposes randomly assigned weights
to the hidden layer and the use of an incremental margin algorithm
to calculate the weights of the output neuron of the SLFN. The
results showed that the proposed algorithm is capable to obtain
a large separation margin in the feature space and has its performance less sensitive to variations in the network architecture, when
compared to Extreme Learning Machines
Abstract
Assunto
Redes neurais (Computação)
Palavras-chave
neural networks, large margin, binary classification, random projection, Desde a década de 1990 já existiam redes neurais de camada oculta única que possuíam os pesos da camada escondida definidos aleatoriamente. Esse tipo de treinamento, que define uma projeção aleatória na camada oculta, se tornou popular com as Máquinas de Aprendizado Extremo (Extreme Learning Machine - ELM)., As ELMs podem ser formalmente definidas como uma solução onde os pesos da camada oculta são selecionados aleatoriamente e os pesos da camada de saída linear são obtidos diretamente usando o método da pseudo-inversa. Essa abordagem tem a vantagem de produzir boa performance de generalização e ainda ser simples e ter custo computacional menor se comparado com outros métodos de treinamento como o backpropagation.
Citação
Departamento
Curso
Endereço externo
https://periodicos.univali.br/index.php/acotb/article/view/19435