دانلود مقاله ISI انگلیسی شماره 53066
عنوان فارسی مقاله

روش مبتنی بر فیلتر کالمن برای ماشین یادگیری آنلاین متوالی افراطی برای رگرسیون مشکلات

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی تعداد کلمات
53066 2015 10 صفحه PDF سفارش دهید محاسبه نشده
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Kalman filter-based method for Online Sequential Extreme Learning Machine for regression problems
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Engineering Applications of Artificial Intelligence, Volume 44, September 2015, Pages 101–110

کلمات کلیدی
یادگیری متوالی آنلاین - ماشین یادگیری افراطی؛ ماشین یادگیری آنلاین متوالی افراطی؛ رگرسیون فیلتر کالمن - چند خطی
پیش نمایش مقاله
پیش نمایش مقاله روش مبتنی بر فیلتر کالمن برای ماشین یادگیری آنلاین متوالی افراطی برای رگرسیون مشکلات

چکیده انگلیسی

In this paper, a new sequential learning algorithm is constructed by combining the Online Sequential Extreme Learning Machine (OS-ELM) and Kalman filter regression. The Kalman Online Sequential Extreme Learning Machine (KOSELM) handles the problem of multicollinearity of the OS-ELM, which can generate poor predictions and unstable models. The KOSELM learns the training data one-by-one or chunk-by-chunk by adjusting the variance of the output weights through the Kalman filter. The performance of the proposed algorithm has been validated on benchmark regression datasets, and the results show that KOSELM can achieve a higher learning accuracy than OS-ELM and its related extensions. A statistical validation for the differences of the accuracy for all algorithms is performed, and the results confirm that KOSELM has better stability than ReOS-ELM, TOSELM and LS-IELM.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.