发帖
雷达卡
对不确定数据建模的改进贝叶斯随机向量泛函链接网络
本文提出了一个针对不确定数据建模,结合随机向量泛函链接网络的完全贝叶斯模型,即IB-RVFL。和已有的工作相比,我们在基函数的参数上也定义了先验分布。
通过在训练过程中引入额外的先验知识,不仅模型的学习能力得到提高,而且针对基本的RVFL模型中对随机参数确定问题的困难性和重要性,提供了一个有效的解决方案。变分推断方法被用来快速地得到一个复杂后验分布的近似,这有助于完成超参数的自动推断,并且得到预测结果的概率估计。
我们主要从两方面进行了实验,一是通过在训练集中添加不同程度的噪音,观察算法的鲁棒性。实验结果表明,和其它两种鲁棒性算法相比,改进贝叶斯随机向量泛函链接网络(IB-RVFL)对噪音更不敏感,在全部实验中预测的准确性都优于其他两种算法。
二是通过在八个不同回归数据集上进行实验,并和其它五种算法对比,观察算法的性能。实验结果表明,IB-RVFL算法在全部数据集上都表现较好。
京公网安备 11010802022788号
