|
|||||
|
|
| 正则化超限学习机的多分块松弛交替方向乘子法 | |
| 作者姓名： | 张立佳 赖晓平 曹九稳 |
| 作者单位： | 1.杭州电子科技大学 人工智能研究院 杭州 310018 |
| 基金项目： | 国家自然科学基金项目(No.61573123,61503104,U1909209) |
| 摘 要： | 针对超限学习机在大数据环境下计算负担过重的问题,文中提出正则化超限学习机的多分块松弛交替方向乘子法及N-等分和N/2-等分情形的标量化实现.模型分块使算法具有高度的并行结构,与松弛技术结合提高算法的收敛速度.通过分析,建立算法收敛的充要条件,给出最优收敛率及最优参数.在基准数据集上仿真计算收敛率随分块数的变化关系,对比不同算法的收敛速率和GPU加速比.实验表明,文中算法具有较低的计算复杂度和较高的并行性. |
| 关 键 词： | 机器学习 并行优化 超限学习机 交替方向乘子法 大数据 |
| 收稿时间： | 2019-07-08 |
| 点击此处可从《模式识别与人工智能》浏览原始摘要信息 | |
| 点击此处可从《模式识别与人工智能》下载全文 | |