基于EFAST的在线极限学习机节点剪枝方法

摘要

针对在线极限学习机(OS-ELM)的隐藏层网络结构优化问题,设计了一种能自适应调整网络结构的在线极限学习方法(FOS-ELM).该方法首先利用扩展的傅里叶振幅敏感度测试(EFAST),对OS-ELM中的各个隐藏层节点敏感度进行分析,再通过移除低敏感的隐藏层节点,从而达到对OS-ELM的网络结构进行优化的目的.从实验结果中分析,相比标准的OS-ELM,CEOS-ELM和HOS-ELM,在保证泛化精度的条件下,通过本文训练方法所需的隐藏层节点数均少于这3种方法.