一种基于最小P范数的宽度学习方法

摘要

本发明公开了一种基于最小P范数的宽度学习方法，包括：步骤1：获得训练输入数据与训练输出数据；步骤2：采用与宽度学习系统相同的方式，通过随机产生的权值和偏置生成隐层节点输出矩阵；步骤3：将误差的P范数作为代价函数并结合固定点迭代策略求解输出权；步骤4：利用训练好的模型参数，估计测试输入对应的输出。由于BLS在复杂噪声或者异常干扰存在的情况下无法有效地完成回归及分类任务，本发明提出了一种基于最小P范数的宽度学习方法。该方法利用误差的P范数能够很好地应对不同的噪声干扰这一特性，使得其在复杂噪声或者异常干扰存在的情况下仍然能够顺利地完成回归及分类任务，具有重要的研究意义和广泛的应用价值。