训练验证快而准
用多个浅层极限学习机分段逼近局部动态，并通过数据驱动的模式聚类自动建立离散状态转移，为复杂动力系统提供结构可解释、安全可验证的轻量化神经网络模型。
Tao, Wang · Yang, Yejiang · Xiang, Weiming
Neurocomputing 2023
模型采用多个浅层极限学习机，不需要深度网络的迭代训练，训练和验证的计算复杂度显著降低。
通过数据驱动的模式聚类自动划分状态空间，每个局部动态用极限学习机逼近，整体模型能够精确捕捉复杂行为。
论文基于区间分析和新颖的拆分合并过程，开发了计算高效的集合值可达性分析方法，可用于安全验证。