ماشین یادگیر مفرط (ELM) نیمه نظارتی مقاوم و تنک ،مبتنی بر مفهوم کورآنتروپی

شبکه عصبی تک لایه رو به جلو ELM نظر محققان زیادی را به خود جلب کرده است .نسخه ی اولیه ELMدارای سه عیب ضعف در برابر نویز ضربه، مشکل وجود گره های زاید غیرکارا و مشکل تعیین تعداد مناسبگره ها است. در سال های اخیر نسخه های متعددی از این شبکه ارایه گردیده که ELM مبتنی بر کور آنتروپی، در برابر نویز ضربه مقاوم است، اما همچنان از وجود گرههای زاید رنج می برد ELM، نیمه نظارتی تنک، قابلیتنیمه نظارتی و تنک کردن نورونهای زاید لایه پنهان را دارد اما در در برابر نویز ضربه مقاوم نیست.بنابراین، این مقاله روشی را تحت عنوان ELM نیمه نظارتی مقاوم و تنک مبتنی بر مفهوم کورآنتروپی ارایه می دهد که از معیار کورآنتروپی در تابع هدف ELM نیمه نظارتی تنک استفاده مینماید. هنگامی که اکثرنمونه ها بدون برچسب هستند روش پیشنهادی علاوه بر خاصیت های دقت بالا در دسته بندی و قابلیت هرسکردن نورونهای زاید در لایه پنهان به صورت بهینه، در برابر نویز ضربه نیز مقاوم است. آزمایشها بر روی چهارمجموعه داده UCI که به آنها نویز ضربه اعمال شده است، انجام میشود. نتایج بدست آمده نشان میدهد که شبکه در حضور نویز با استفاده از مفهوم کورآنتروپی، مقاوم خواهد بود و بهتر از سایر روشهای مورد مقایسهعمل می نماید.