Mesin Pembelajaran Melampau (ELM) ialah algoritma rangkaian saraf tiruan yang baru muncul yang melatih rangkaian neural suapan melalui kaedah yang pantas dan mudah. Keunikan ELM ialah ia secara rawak memulakan matriks berat dan vektor pincang lapisan tersembunyi dan hanya memerlukan satu perambatan ke hadapan untuk mendapatkan berat keluaran. Ciri ini membolehkan ELM mempunyai kelajuan latihan yang lebih pantas dan prestasi generalisasi yang lebih baik daripada rangkaian neural tradisional.
Prinsip asas ELM ialah untuk memetakan data input ke lapisan tersembunyi melalui matriks berat dan vektor bias yang dimulakan secara rawak, dan kemudian menggunakan fungsi pengaktifan bukan linear untuk mengubah lapisan. Seterusnya, kaedah seperti regresi linear atau mesin vektor sokongan digunakan untuk merambat belakang keluaran lapisan ini untuk mendapatkan berat lapisan keluaran. Pemberat dan vektor berat sebelah lapisan tersembunyi kekal tidak berubah sepanjang proses latihan, yang menjadikan latihan ELM sangat pantas dan tidak memerlukan perambatan belakang yang kompleks. Kaedah permulaan rawak ELM menyediakan asas untuk latihan pantasnya yang unik.
Kelebihan utama ELM termasuk:
1 Latihan pantas
Berat permulaan rawak dan vektor bias ELM boleh mempercepatkan latihan, dan pemberat output biasanya diperoleh dalam satu perambatan ke hadapan. Oleh itu, ELM sesuai untuk memproses set data berskala besar dan aplikasi masa nyata.
2. Keupayaan generalisasi yang baik
Proses rawak ELM secara berkesan mengelakkan masalah terlalu sesuai dalam rangkaian neural tradisional, dengan itu meningkatkan keupayaan generalisasinya. Selain itu, ELM berprestasi baik dalam menangani masalah tak linear dan boleh mengendalikan pelbagai jenis data dengan berkesan, termasuk imej, teks dan bunyi.
3. Ringkas dan mudah digunakan
Berbanding dengan rangkaian neural tradisional, ELM lebih ringkas dan mudah digunakan. Hanya parameter permulaan rawak perlu ditetapkan untuk melengkapkan latihan dan ramalan rangkaian. Akibatnya, ELM telah menjadi pilihan pertama untuk banyak aplikasi.
Ringkasnya, ELM ialah algoritma rangkaian yang pantas, ringkas dan saraf dengan prestasi generalisasi yang baik, yang digunakan secara meluas dalam pelbagai aplikasi masa nyata, seperti pengecaman imej, pengecaman pertuturan dan pemprosesan bahasa semula jadi.
Atas ialah kandungan terperinci Mesin pembelajaran melebihi had. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!