控制理论与应用

作者：褚菲,苏嘉铭,梁涛,陈俊龙,王雪松,马小平

单位：中国矿业大学 信息与控制工程学院,中国矿业大学 信息与控制工程学院,中国矿业大学 信息与控制工程学院,华南理工大学 计算机科学与工程学院,中国矿业大学 信息与控制工程学院,中国矿业大学 信息与控制工程学院

关键词：宽度学习系统; 网络结构; lasso; elastic net

基金：国家自然科学基金项目(61973304, 61503384, 61702195, 61751202), 国家重点研发项目(2019YFA0706200, 2019YFB1703600), 江苏省六大人才 高峰项目(DZXX–045), 江苏省科技计划项目(BK20191339), 广州市科技重大专项项目(202007030006), 徐州市科技创新计划项目(KC19055), 矿 冶过程自动控制技术国家重点实验室开放课题项目(BGRIMM–KZSKL–2019–10)资助.

本文提出了一种基于lasso和elastic net的宽度学习系统(BLS)网络结构稀疏方法, 将标准BLS目标函数中的L2范数分别替换为lasso和elastic net, 利用这两种正则化技术来约束网络输出权重, 衡量每个网络节点输出权重对预测的影响程度, 将多余的节点进行剔除, 提高了网络结构的稀疏性. 通过对一些回归数据集进行实验, 可以看到本文提出的方法在不损失预测精度的前提下, 同时简化了网络结构.

来源：2020年第12期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2020年第12期