IFW-BLS

新的广义学习系统通过模糊逻辑和波损失增强鲁棒性

两篇新研究论文介绍了广义学习系统（BLS）的进步，以增强其在面对噪声或不确定数据时的鲁棒性。第一篇论文IFW-BLS，采用了一种直觉模糊波损失函数，该函数结合了残差级保护和样本级可信度控制。第二篇论文Wave-BLS，侧重于使用波损失函数来解决标准BLS对异常值和损坏标签的敏感性问题。两种方法都利用Nesterov加速梯度优化，避免了传统的矩阵求逆，并在基准数据集上展示了优于标准BLS的性能，尤其是在数据污染的情况下。