確率構成ネットワーク: 基礎とアルゴリズム

本論文は、ニューラルネットワークのためのランダム化手法の開発に寄与します。提案された学習モデルは、確率構成（SC）アルゴリズムによって段階的に生成され、SCネットワーク（SCNs）と呼ばれます。既存の単層フィードフォワードネットワークのためのランダム化学習アルゴリズムとは対照的に、私たちは監視メカニズムのもとで隠れノードの入力重みとバイアスをランダムに割り当て、出力重みは構築的または選択的な方法で解析的に評価されます。SCNベースのデータモデリング技術の基礎として、ユニバーサル近似特性に関するいくつかの理論結果を確立します。本論文では、データ回帰および分類問題のためのSCアルゴリズムの3つのバージョンが提示されます。データ回帰および分類に関するシミュレーション結果は、ネットワークサイズ設定に対する人的介入の少なさ、ランダムパラメータのスコープ適応、迅速な学習、そして妥当な一般化という点において、提案されたSCNsのいくつかの顕著な利点を示しています。