本研究论文探讨了使用伪逆方法计算输出权重的极限学习机(ELMs)的谱稳定性。研究表明,隐藏层矩阵的最小奇异值是放大输出权重扰动的关键因素,而条件数则量化了隐藏层的instability。奇异值分解(SVD)伪逆计算与迭代超幂法之间的比较表明,SVD方法在病态条件下提供了更好的可靠性。 AI
影响 为特定机器学习训练方法的数值稳定性提供了理论见解。
排序理由 该集群包含一篇在arXiv上发表的学术论文。
- extreme learning machine
- hyperpower methods
- Moore-Penrose pseudoinverse
- SVD-based methods
- SVD-based pseudoinverse computation
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →