郑州大学学报(理学版)

2013, v.45(01) 100-104

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

一种基于粒子群优化的极限学习机
A New Extreme Learning Machine Optimized by PSO

王杰;毕浩洋;

摘要(Abstract):

极限学习机(ELM)是一种新型的前馈神经网络,相比于传统的单隐含层前馈神经网络(SLFN),ELM具有速度快、误差小的优点.由于随机给定输入权值和偏差,ELM通常需要较多隐含层节点才能达到理想精度.粒子群极限学习机算法为使用粒子群算法(particle swarm optimization,PSO)选择最优的输入权值矩阵和隐含层偏差,从而计算出输出权值矩阵.一维Sinc函数拟合实验表明,相比于ELM算法和传统神经网络算法,粒子群极限学习机算法依靠较少的隐含层节点能够获得较高精度.

关键词(KeyWords): 粒子群;极限学习机;隐含层节点

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金资助项目,编号60905039/F030507

作者(Authors): 王杰;毕浩洋;

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享