BriefGPT - AI 论文速递 · 2024-12-08T00:00:00Z 用于非线性回归的核随机配置网络 💡 原文中文，约200字，阅读约需1分钟。 📝 内容提要 本研究提出核随机配置网络（KSCNs），有效解决现有随机配置网络在模型学习和性能稳定性方面的不足，显著提升非线性回归问题的学习性能和鲁棒性。 🎯 关键要点 本研究提出核随机配置网络（KSCNs） KSCNs解决了现有随机配置网络在模型学习和性能稳定性方面的不足 KSCNs在重构空间的数据分布有利于回归求解 KSCNs在非线性回归问题上具有显著的学习性能、模型稳定性和鲁棒性 🏷️ 标签 性能稳定性 核随机配置网络 模型学习 非线性回归 鲁棒性 阅读原文 生成长图 分享链接 已复制链接
