分数阶极限学习机

区间数据分类更快

用分数阶梯度下降训练区间神经网络，学习速度与分类性能同时提升。

Yuanquan, Liu · Qiang, Shao · 刘燕 · Yang, Dakun

Applied Soft Computing Journal 2024

技术优势

训练更快

输出层权重通过分数阶梯度下降训练，避免传统梯度算法缓慢的迭代过程。

分类更准

FOELM 在收敛速度和分类性能上均优于其他算法。

计算量小

隐藏层权重随机生成并固定，只需计算输出层权重，计算负担小。

应用场景

• 机器人视觉分类：处理机器人视觉中的区间数据，提高分类速度。
• 智能系统快速学习：为智能系统提供快速学习算法，加速训练过程。