EXTREME LEARNING MACHINES REGULARIZADAS DE FORMA AUTOMÁTICA A PARTIR DAS INFORMAÇÕES ESTRUTURAIS DA MATRIZ DE PROJEÇÃO

Abstract

Neste artigo apresenta-se uma nova abordagem para a seleção automática do parâmetro de regularização de Tikhonov, responsável por controlar o tamanho dos pesos de uma rede neural do tipo ELM. São apresentadas duas estratégias baseadas em medidas obtidas da projeção dos dados: Silhueta (uma medida de qualidade de agrupamentos) e Fisher-score (um critério para seleção de características). Sete bases de dados apresentando problemas de classificação binaria 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 (em termos de p-valor) e um ganho de tempo significativo, quando comparadas á estratégia iterativa de seleção do parâmetro de regularização.