本发明涉及到机器学习中在线学习领域,引入自适应记忆因子和遗忘机制提出了一种新型的在线极限学习机。一般来说在流式数据更新过程中,新数据相比旧数据更能反映当前数据的特征,失效数据是无法体现当前数据的特征。因此更新模型时,新数据对模型的贡献较大;旧数据对模型的贡献较小;失效数据的贡献为零。通过引入遗忘机制淘汰失效数据。同时引入自适应记忆因子调节新、旧数据对模型的贡献,从而提高模型的预测精度。
声明:
“记忆减退型在线序列极限学习机” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)