Resumen de Entrenamiento Comprimido Basado en Máquinas de Aprendizaje Extremo

Fausto M. Castro, Pablo Emilio Jojoa

• español

  En este documento se presenta el diseño y prueba de un nuevo modelo de entrenamiento para redes neuronales no realimentadas de una sola capa oculta basado en las propiedades de la Máquina de Aprendizaje Extremo o ELM. El modelo actúa comprimiendo la información proveniente de la capa oculta por medio de un subconjunto de nodos de la misma capa, esto permite disminuir considerablemente la complejidad computacional en comparación con ELM. Resultados experimentales basados en simulación para diferentes problemas de clasificación indican que el modelo propuesto permite reducir considerablemente los tiempos de entrenamiento en comparación con ELM, alcanzando a la vez rendimientos similares en términos de generalización.

• English

  This paper presents the design and testing of a new training model for single hidden layer feedforward network based on the same properties of Extreme Learning Machine (ELM). The model acts by compressing the information coming from the hidden layer by means of a subset of nodes from the same layer. This allows to considerably reduce the computational complexity compared to ELM. Experimental results based on simulation for different classification problems indicate that the proposed model achieves the same ELM performances in terms of generalization, exceeding it in speed