一种可应用于嵌入式系统的低复杂度超限学习机训练方法

张克终^1,2, 徐力³, 尉志青¹, 黄赛¹, 冯志勇¹

1. 北京邮电大学 信息与通信工程学院, 北京 100876;
2. 北京工业大学 北京未来网络科技高精尖创新中心, 北京 100124;
3. 中国科学院 计算技术研究所, 北京 100190

收稿日期:2017-06-18出版日期:2018-04-28发布日期:2018-03-17

作者简介:张克终(1989-),男,博士生,E-mail:k.z.zhang_cn@ieee.org;冯志勇(1971-),女,教授,博士生导师.
基金资助:国家自然科学基金项目（61631003，61525101）；深圳市海外高层次人才创新创业专项资金"孔雀团队"项目（KQTD2015033114415450）

Low Complexity Training Strategy for Extreme Learning Machine Used in Embedded System

ZHANG Ke-zhong^1,2, XU Li³, WEI Zhi-qing¹, HUANG Sai¹, FENG Zhi-yong¹

1. School of Information and Communication Engineering, Beijing University of Posts and Telecommunications, Beijing 100876, China;
2. Beijing Advanced Innovation Center for Future Internet Technology, Beijing University of Technology, Beijing 100124, China;
3. Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China

Received:2017-06-18Online:2018-04-28Published:2018-03-17

摘要/Abstract

摘要： 为解决超限学习机复杂度较高的问题，提出了一种新型的超限学习机更新策略，称为序列超限学习机.避免了复杂度较高的逆矩阵运算，而且能够应用于嵌入式系统中.序列超限学习机比各种广泛应用的机器学习分类器具有更低的计算复杂度.基于实际数据集的仿真结果表明，序列超限学习机的分类精度比传统超限学习机和其他广泛应用的分类器更高，而且具有更短的训练时间.
中图分类号:
TP183

引用本文

张克终, 徐力, 尉志青, 黄赛, 冯志勇. 一种可应用于嵌入式系统的低复杂度超限学习机训练方法[J]. 北京邮电大学学报, 2018, 41(2): 9-14.
ZHANG Ke-zhong, XU Li, WEI Zhi-qing, HUANG Sai, FENG Zhi-yong. Low Complexity Training Strategy for Extreme Learning Machine Used in Embedded System[J]. JOURNAL OF BEIJING UNIVERSITY OF POSTS AND TELECOM, 2018, 41(2): 9-14.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=3174