首页|基于特征结构不变性思想的自适应在线神经网络算法

基于特征结构不变性思想的自适应在线神经网络算法

Online adaptive neural network algorithm based on the idea of the feature structural invariance

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
针对传统的采用遗忘因子的在线学习方法难以实时精确地跟踪数据所发生的漂移问题,利用在线数据通常所具有的特征结构不变特性,提升在线学习模型的自适应能力.结合在线离散化和在线聚类技术,追踪和刻画数据的特征结构,并在聚类结构中,采用一种类似深度森林算法中的特征构造策略来提取辅助的在线结构特征.通过整合样本的原始特征和额外提取的结构特征共同动态地训练并更新在线神经网络模型,采用在线序列极限学习机算法作为在线神经网络的训练算法,通过8个基准的在线数据集验证算法的有效性、可行性和优越性.实验结果表明:文中算法可很好地追踪数据所发生的概念漂移,并具有较强的自适应性.

韦磊、姜海富、于化龙

展开 >

江苏科技大学 计算机学院,镇江212100

四川轻化工大学 人工智能四川省重点实验室,宜宾643000

在线学习 神经网络 概念漂移 离散化 结构不变性 极限学习机

国家自然科学基金江苏省自然科学基金人工智能四川省重点实验室开放基金

61572242BK201914572019RYJ02

2022

10.11917/j.issn.1673-4807.2022.01.011

江苏科技大学学报(自然科学版)
江苏科技大学

江苏科技大学学报(自然科学版)

北大核心
影响因子：0.373
ISSN：1673-4807
年,卷(期)：2022.36(1)
  • 5