KRPRVFL 모델: 강인한 이중 모델 협업 랜덤 벡터 기능 링크 네트워크

Robust Dual-Model Collaborative Random Vector Functional Link Network

랜덤 벡터 기능 링크(RVFL) 네트워크는 경량화되고 빠른 신경망 모델로, 랜덤화된 은닉층 가중치와 직접적인 입력-출력 연결을 통해 효율적인 훈련과 강한 일반화를 제공합니다. 그러나 기존 RVFL 모델은 노이즈가 있는 레이블, 이상치 및 불균형 데이터에 민감하여 실제 응용에서 성능이 제한됩니다. 이를 해결하기 위해, KRPRVFL 모델은 RVFL의 계산 효율성과 강인한 KRP 기준을 통합하여, KRP 기반 손실로 표준 최소 제곱 목표를 대체하여 훈련 중 손상된 샘플의 영향을 줄입니다. 또한 협업 학습 메커니즘을 도입하여 모델 구성 요소 간의 적응형 상호작용을 가능하게 하여 복잡하고 노이즈가 많은 환경에서 강인성을 더욱 향상시킵니다. UCI 및 KEEL 벤치마크 데이터셋에서의 실험 결과, KRPRVFL은 정확도와 강인성에서 기준 모델을 지속적으로 초월하는 성능을 보였습니다.