Random vector functional link network with L21 norm regularization for robot visual servo control with feature constraint
PulseAugur coverage of Random vector functional link network with L21 norm regularization for robot visual servo control with feature constraint — every cluster mentioning Random vector functional link network with L21 norm regularization for robot visual servo control with feature constraint across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新型KRPRVFL模型增强了神经网络在噪声数据下的鲁棒性
研究人员开发了一种名为KRPRVFL的新型神经网络模型，旨在提高随机向量泛函链路（RVFL）网络的鲁棒性。该新模型通过引入核风险敏感均值p次幂（KRP）准则，解决了传统RVFL网络对噪声数据、异常值和不平衡数据集敏感的问题。KRPRVFL模型在训练过程中自适应地降低不可靠样本的影响，并包含一个协同学习机制，以增强在复杂环境下的稳定性。在基准数据集上的实验表明，与现有模型相比，KRPRVFL提供了更高的准确性和鲁棒性。
-
新研究探索深度学习中的不确定性量化在各种应用中的潜力
三篇新研究论文探讨了深度学习模型中不确定性量化的先进技术。第一篇论文介绍了直觉模糊深度随机神经网络（IF-dRVFL和IF-edRVFL），以提高分类任务中对噪声数据和异常值的鲁棒性。第二篇论文对基因组学应用中的不同不确定性量化方法进行了实证分析，包括深度集成、贝叶斯神经网络和蒙特卡洛-dropout，发现贝叶斯神经网络对于不平衡和分布外数据更可靠。第三篇论文提出了一种两步MV-DeepONet用于概率算子学习，增强了不确定性传播中跨…
-
新的IFGRVFL-MV模型通过模糊逻辑和图嵌入增强了RVFL网络
研究人员开发了一种名为直觉模糊图嵌入随机向量函数链接与多视图学习（IFGRVFL-MV）的新模型。该模型旨在通过更好地保留几何关系和利用多个特征视图来改进现有的随机向量函数链接（RVFL）网络。IFGRVFL-MV模型结合了用于处理不确定性的直觉模糊集、用于捕获几何结构的图嵌入以及用于互补信息的多视图学习。在UCI和KEEL存储库的基准数据集上进行的实验表明，IFGRVFL-MV在分类精度上优于现有模型，展示了其在具有不确定性和多…