变长增量型极限学习机及其泛化性能研究

发布时间：2017-12-25 08:42

  本文关键词：变长增量型极限学习机及其泛化性能研究　出处：《计算机应用研究》2016年12期 　论文类型：期刊论文

  更多相关文章： 极限学习机 增量学习 泛化性能 增量型极限学习机 变长增量型极限学习机

【摘要】：极限学习机(ELM)在训练过程中无须调整隐层节点参数,因其高效的训练方式被广泛应用于分类和回归,然而极限学习机也面临着结构选择与过拟合等严重问题。为了解决此问题,针对隐层节点增量数目对收敛速度以及训练时间的影响进行了研究,提出一种利用网络输出误差的变化率控制网络增长速度的变长增量型极限学习机算法(VI-ELM)。通过对多个数据集进行回归和分类问题分析实验,结果表明,提出的方法能够以更高效的训练方式获得良好的泛化性能。
【作者单位】： 东南大学毫米波国家重点实验室;清华大学精密仪器系;中国空空导弹研究院;
【基金】：国家自然科学基金资助项目(11303004,11573007) 航空基金资助项目(20140169001) 江苏省自然科学基金资助项目(K20130637)
【分类号】：TP181
【正文快照】： 研究院,河南洛阳471009)0引言理论证明,任何单隐层神经网络都可以表达为从输入到输出的连续映射函数[1],因此单隐层神经网络模型被广泛应用到分类以及回归问题中[2~5]。Huang等人[2]近年来提出了极限学习机(ELM)的概念,并证明在训练单隐层神经网络过程中,仅需调整隐层节点数并

【相似文献】

相关期刊论文 前10条

1 ;有关PID增量型和位置型的选择[J];今日电子;2008年11期

2 ;Avago推出新精简高度整合增量型磁性编码器 适合速度侦测、旋钮控制以及旋转编码器应用[J];电子与电脑;2010年02期

3 ;高速高精 专业定制 台达贴身推出CNC专用增量型编码器[J];微计算机信息;2008年18期

4 麻文斗,王诗宓;输入受限的β增量型模型算法控制[J];系统仿真学报;2001年S1期

5 ;光电器件[J];今日电子;2008年05期

6 张小明;李舟军;巢文涵;;基于增量型聚类的自动话题检测研究[J];软件学报;2012年06期

7 余世明,杜维;纯时延有约束增量型模型算法控制策略[J];仪器仪表学报;2001年04期

8 Rainer Russ;;使用6通道增量型编码器进行精确的轮椅电机控制[J];世界电子元器件;2013年08期

9 何亚福;许齐;姜子鹏;;增量型编码器使用功能扩展[J];设备管理与维修;2013年04期

10 张九才,王文祥,杨显志,孙嘉鸿;增量式编码器抗抖性研究[J];自动化仪表;2005年10期

相关会议论文 前1条

1 马建勋;梅占馨;;土的增量型内时本构模型[A];第三届全国结构工程学术会议论文集（上）[C];1994年

相关硕士学位论文 前2条

1 黄种艺;适用于多通道生物信号采集系统的增量型Sigma-Delta ADC设计[D];浙江大学;2015年

2 杨瑾;用于锂电池电量检测的增量型Sigma-Delta调制器研究[D];浙江大学;2013年

，

本文编号：1332148