控制与决策

作者：褚菲,卢新宇,苏嘉铭,王雪松,马小平

单位：中国矿业大学 人工智能研究院,江苏 徐州 221116;中国矿业大学 信息与控制工程学院,江苏 徐州 221116,,中国矿业大学 信息与控制工程学院,江苏 徐州 221116,,中国矿业大学 信息与控制工程学院,江苏 徐州 221116,,中国矿业大学 信息与控制工程学院,江苏 徐州 221116,,中国矿业大学 信息与控制工程学院,江苏 徐州 221116,

关键词：宽度学习系统;多输出回归;Frobenius范数;$L_{2,1

基金：国家自然科学基金项目(61973304,61873049,62073060)；江苏省自然科学基金项目(BK20191339)；江苏省第十六届“六大人才高峰”高层次人才选拔培养项目(DZXX-045)；中国矿业大学研究生创新计划项目(2022WLJCRCZL109)；中央高校基本科研业务费专项资金项目(2019XKQYMS64).

宽度学习系统(broad learning system,BLS)因其特征提取能力强、计算效率高而被广泛应用于众多领域.然而,目前BLS主要用于单输出回归,当BLS存在多个输出时,BLS无法有效发掘多个输出权重之间的相关性,会导致模型预测性能的下降.鉴于此,通过Frobenius和$L_{2,1

来源：2023年第10期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第10期