TỐI ƯU HÓA MÁY HỌC CỰC TRỊ SỬ DỤNG THUẬT TOÁN PHẢN ỨNG HÓA HỌC NHÂN TẠO

Tóm tắt

Máy học cực trị (ELM) là một thuật toán học đơn giản ứng dụng cho các mạng
nơ-ron truyền thẳng một lớp ẩn. Tốc độ học của ELM nhanh hơn gấp nghìn lần so
với thuật toán lan truyền ngược, trong khi đó nó đạt được hiệu suất cao hơn. Tuy
nhiên, vì các trọng số nút vào và các sai lệch nút ẩn được lựa chọn ngẫu nhiên, nên
thuật toán ELM có thể cần nhiều nơ-ron ở lớp ẩn và dẫn đến vấn đề nhiều điều kiện
ràng buộc. Để giải quyết mặt hạn chế này của ELM, bài báo này đề xuất một chiến
lược tối ưu cho ELM trên cơ sở thuật toán tối ưu phản ứng hóa học nhân tạo
(ACROA). Bằng việc sử dụng ACROA để tối ưu hóa các trọng số vào và sai lệch của các
nút ẩn trên cơ sở hai tiêu chuẩn định mức trọng số đầu ra và lỗi bình phương trung
bình, hiệu suất phân loại của ELM được cải thiện. Kết quả thực nghiệm trên vài tập
mẫu chuẩn trong thực tế chứng minh rằng phương pháp đã đề xuất đạt độ chính
xác phân loại cao hơn ELM gốc và các ELM tiến hóa khác.