Motivation

深度學習： 1，時間長：由于涉及到大量的超參數和復雜的結構，大多數神經網絡的訓練過程非常耗時。

2，重新訓練：如果要更改神經網絡的結構，或者增加樣本，深度學習系統將遇到一個完整的重新訓練過程。

寬度學習： 1，消除了訓練過程長的缺點，并且提供了很好的泛化能力。

2，如果網絡需要擴展，寬度學習網絡可以快速重構，無需重新訓練過程。

Preliminaries

1，RVFLNN

• 給定輸入X，它乘上一組隨機的權重，加上隨機的偏差之后傳入到增強層得到H，并且這組權重在以后不會變了。
• 輸入X和增強層的計算結果H合并成一個矩陣，稱為A，A=[X|H]，把A作為輸入，乘上權重，加上偏差之后傳到輸出層。
• AW = Y，W=A-1Y，A不是一個方陣，所以是沒有逆矩陣的，但是，沒有逆矩陣，我們可以求A的偽逆。

總結

以上是生活随笔為你收集整理的宽度学习（一）：宽度学习体系:有效和高效的无需深度架构的增量学习系统[通俗易懂]的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。