王快妮 曹進(jìn)德

摘要：對(duì)噪聲和異常值較敏感、魯棒性差是超限學(xué)習(xí)機(jī)（ELM）的主要問(wèn)題.在1-范數(shù)損失函數(shù)的基礎(chǔ)上，提出截?cái)?-范數(shù)損失函數(shù)來(lái)抑制噪聲和異常值的影響，建立了基于截?cái)?-范數(shù)損失函數(shù)的魯棒ELM模型.通過(guò)迭代重賦權(quán)算法求解對(duì)應(yīng)的優(yōu)化問(wèn)題，并利用4個(gè)模擬數(shù)據(jù)集和9個(gè)真實(shí)數(shù)據(jù)集驗(yàn)證模型的有效性.數(shù)值實(shí)驗(yàn)結(jié)果表明，在噪聲環(huán)境下魯棒ELM的泛化性能優(yōu)于對(duì)比方法，并且具有較強(qiáng)的魯棒性，尤其是在異常值比例較大的情形下.

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò);超限學(xué)習(xí)機(jī);魯棒;截?cái)鄵p失函數(shù);異常值