Makalah ini menganalisis stabilitas numerik dari Mesin Pembelajaran Ekstrem (ELM) dari perspektif spekttral, berfokus pada bagaimana kondisioning matriks lapisan tersembunyi memengaruhi keandalan pelatihan. Penulis menunjukkan bahwa nilai singular terkecil menentukan amplifikasi gangguan pada bobot keluaran, sementara angka kondisioner mengkuantifikasi ketidakstabilan lapisan tersembunyi.
- Perhitungan invers pseudo berbasis SVD diidentifikasi sebagai metode paling andal dalam kondisi ill-conditioning dibandingkan dengan metode hyperpower iteratif.
- Metode iteratif terbukti lebih sensitif terhadap properti spekttral matriks.
- Kondisioner tergantung lebar dibahas melalui interpretasi fitur acak.
- Eksperimen pada matriks sintetis dan benchmark ELM mengonfirmasi bahwa stabilitas secara fundamental diatur oleh struktur nilai singular.
Temuan ini menunjukkan bahwa memahami struktur nilai singular sangat penting untuk memastikan stabilitas ELM berbasis invers pseudo.