软件学报

作者：张成龙，丁世飞，郭丽丽，张健

单位：张成龙，中国矿业大学 计算机科学与技术学院, 江苏 徐州 22111611,丁世飞，中国矿业大学 计算机科学与技术学院, 江苏 徐州 221116;矿山数字化教育部工程研究中心(中国矿业大学), 江苏 徐州 22111602,郭丽丽，中国矿业大学 计算机科学与技术学院, 江苏 徐州 221116;矿山数字化教育部工程研究中心(中国矿业大学), 江苏 徐州 22111603,张健，中国矿业大学 计算机科学与技术学院, 江苏 徐州 221116;矿山数字化教育部工程研究中心(中国矿业大学), 江苏 徐州 22111604

关键词：随机配置网络;神经网络;深度学习;随机化学习;研究进展

基金：国家自然科学基金(61976216,62276265,61672522)

随机配置网络(stochastic configuration network, SCN)是一种新兴的增量式神经网络模型, 与其他随机化神经网络方法不同, 它能够通过监督机制进行隐含层节点参数配置, 保证了模型的快速收敛性能. 因其具有学习效率高、人为干预程度低和泛化能力强等优点, 自2017年提出以来, SCN吸引了大量国内外学者的研究兴趣, 得到了快速的推广和发展. 从SCN的基础理论、典型算法变体、应用领域以及未来研究方向等方面切入, 全面地概述SCN研究进展. 首先, 从理论的角度分析SCN的算法原理、通用逼近性能及其优点; 其次, 重点研究深度SCN、二维SCN、鲁棒SCN、集成SCN、分布式并行SCN、正则化SCN等典型变体; 随后介绍SCN在硬件实现、计算机视觉、医学数据分析、故障检测与诊断、系统建模预测等不同领域的应用进展; 最后指出SCN在卷积神经网络架构、半监督学习、无监督学习、多视图学习、模糊神经网络、循环神经网络等研究方向的发展潜力.

来源：2024年第5期

《软件学报》期刊编辑部

查看软件学报杂志2024年第5期