王快妮 曹進德

摘要：對噪聲和異常值較敏感、魯棒性差是超限學習機（ELM）的主要問題.在1-范數(shù)損失函數(shù)的基礎上，提出截斷1-范數(shù)損失函數(shù)來抑制噪聲和異常值的影響，建立了基于截斷1-范數(shù)損失函數(shù)的魯棒ELM模型.通過迭代重賦權算法求解對應的優(yōu)化問題，并利用4個模擬數(shù)據集和9個真實數(shù)據集驗證模型的有效性.數(shù)值實驗結果表明，在噪聲環(huán)境下魯棒ELM的泛化性能優(yōu)于對比方法，并且具有較強的魯棒性，尤其是在異常值比例較大的情形下.

關鍵詞：神經網絡;超限學習機;魯棒;截斷損失函數(shù);異常值