Extreme Learning Machines regularizadas de forma automática a partir das informações estruturais da matriz de projeção
Lourenço R. G. Araújo1; Luiz C. B. Torres1; Leonardo J. Silvestre2; Antônio P. Braga1
1 Universidade Federal de Minas Gerais; 2 Universidade Federal do Espírito Santo
Baixar PDF doi:10.20906/CPS/CBA2018-0196
Resumo
Neste artigo apresenta-se uma nova abordagem para a seleção automática do parâmetro de regularização de Tikhonov. São apresentadas duas estratégias baseadas em medidas obtidas da projeção dos dados: Silhueta e Fisher-score. Sete bases de dados apresentando problemas de classificação binária são testadas e os resultados obtidos são comparados com o resultado obtido quando se seleciona o parâmetro de regularização por validação cruzada. As duas estratégias propostas mostraram um desempenho de classificação satisfatório e um ganho de tempo significativo, quando comparadas à estratégia iterativa de seleção do parâmetro de regularização.
Palavras-chave: Extreme Learning Machines; ELM; Regularização; Silhueta; Fisher-Score