محققان در پژوهشی جدید به سراغ «Extreme Learning Machine» (ELM) رفتهاند تا ریشههای پایداری عددی در این مدلها را کشف کنند. این مقاله با نگاهی تخصصی به ساختار ماتریسهای لایه پنهان، نشان میدهد که چرا پایداری در محاسبات «Pseudoinverse» حیاتی است و چگونه استفاده از تحلیل مقدار منفرد (SVD) میتواند دقت و قابلیت اطمینان مدلهای ELM را در شرایط پیچیده بهبود ببخشد.
این یافتهها برای توسعهدهندگان و پژوهشگرانی که روی بهینهسازی الگوریتمهای یادگیری ماشین کار میکنند، بسیار ارزشمند است.
منبع: arXiv Machine Learning
