隨機權(quán)神經(jīng)網(wǎng)絡(luò)增量構(gòu)造學習方法研究進展

摘要： 隨機權(quán)神經(jīng)網(wǎng)絡(luò)(random weight neural network, RWNN)在解決數(shù)據(jù)定性和定量分析方面具有強大的潛力,其最顯著的特征是隱含層參數(shù)隨機生成.這一特征使得RWNN相比于基于梯度下降優(yōu)化微調(diào)節(jié)點參數(shù)的神經(jīng)網(wǎng)絡(luò)具有諸多優(yōu)勢,如結(jié)構(gòu)簡單、易于實現(xiàn)和低人工干預等. RWNN的隱含層和輸入層之間的參數(shù)是在一個固定區(qū)間內(nèi)隨機生成,而隱含層和輸出層之間的輸出權(quán)值則通過...