EXTREME LEARNING MACHINES REGULARIZADAS DE FORMA AUTOMÁTICA A PARTIR DAS INFORMAÇÕES ESTRUTURAIS DA MATRIZ DE PROJEÇÃO

Neste artigo apresenta-se uma nova abordagem para a selecao automatica do parâmetro de regularizacao de Tikhonov, responsavel por controlar o tamanho dos pesos de uma rede neural do tipo ELM. Sao apresentadas duas estrategias baseadas em medidas obtidas da projecao dos dados: Silhueta (uma medida de qualidade de agrupamentos) e Fisher-score (um criterio para selecao de caracteristicas). Sete bases de dados apresentando problemas de classificacao binaria sao testadas e os resultados obtidos sao comparados com o resultado obtido quando se seleciona o parâmetro de regularizacao por validacao cruzada. As duas estrategias propostas mostraram um desempenho de classificacao satisfatorio (em termos de p-valor) e um ganho de tempo significativo, quando comparadas a estrategia iterativa de selecao do parâmetro de regularizacao.