南京航空航天大学学报

作者：谢润山，王士同

单位：江南大学人工智能与计算机学院，无锡，214122;江苏省媒体设计与软件技术重点实验室（江南大学），无锡，214122；,江南大学人工智能与计算机学院，无锡，214122;江苏省媒体设计与软件技术重点实验室（江南大学），无锡，214122；

关键词：函数链神经网络;宽度学习;栈式结构;深度学习

基金：收稿日期:国家自然科学基金（61572236）资助项目。

目前的宽度学习系统（Broad learning system，BLS）通过所建立的一系列映射节点和增强节点来形成联合节点。因为联合节点与输出层的线性连接，网络权值可以用求解伪逆的方法快速求得，避免了耗时的训练过程，从而成为快速而高效的学习方法。然而在追求高精度结果的过程中，BLS对于增强节点数量的需求过于巨大，容易造成过拟合问题。为此，本文提出了基于函数链神经网络（Functional-link neural network，FLNN）的深度分类器（FLNN based deep classifier，FLNNDC），旨在提供一种更加简单却又不失精度的BLS变体结构。FLNNDC将几个轻量级的BLS子系统堆积成栈式结构，每一个轻量级的BLS子系统随机选择一部分映射节点生成增强节点，而不是全部映射节点。和原宽度结构相比，在几个主流数据集上的实验结果表明本文所提出的FLNNDC分类器具有网络结构更小且学习速度更快的优势。

来源：2020年第5期

《南京航空航天大学学报》期刊编辑部

查看南京航空航天大学学报杂志2020年第5期