nav emailalert searchbtn searchbox tablepage yinyongbenwen piczone journalimg qikanlogo popupnotification paper
2013 01 v.45 100-104
一种基于粒子群优化的极限学习机
基金项目(Foundation): 国家自然科学基金资助项目,编号60905039/F030507
邮箱(Email):
DOI:
中文作者单位:

郑州大学电气工程学院;

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
参考文献 [1]刘天舒.BP神经网络的改进研究及应用[D].东北农业大学,2011.
[2]Huang Guangbin,Zhu Qinyu,Siew Cheekheong.Extreme learning machine:theory and applications[J].Neurocomputing,2006,70(1/2/3):489-501.
[3]Deng W,Chen L.Color imagewatermarking using regularized extreme learning machine[J].Neural Network World,2010,20(3):317-330.
[4]Zong Weiwei,Huang Guangbin.Face recognition based on extreme learning machine[J].Neurocomputing,2011,74(16):2541-2551.
[5]Kennedy J,Eberhart R.Particle swarm optimization[C]//Proceedings of IEEE International Conference on Neural Networks.Piscataway,1995:1942-1948.
[6]Eberhart R,Kennedy J.A new optimizer using particle swarm theory[C]//Proc of the Sixth International Symposium on MicroMachine and Human Science.Nagoya,1995:39-43.
[7]冯冬青,杨书显.氧乐果合成过程的PSO回归BP网络建模方法[J].郑州大学学报:理学版,2011,43(3):113-117.
[8]严晓明,郑之.基于混合仿生算法的SVM参数优化[J].广西师范大学学报:自然科学版,2011,29(2):115-118.
[9]徐海龙,王晓丹,廖勇,等.一种基于PSO的RBF-SVM模型优化新方法[J].控制与决策,2010,25(3):368-377.
[10]Chih Chung Chang,Chih Jen Lin.LIBSVM:a library for support vector machines[EB/OL].[2012-11-16]http://www.csie.ntu.edu.tw/~cjlin/libsvm.

基本信息:

DOI:

中图分类号:TP183

引用信息:

[1]王杰,毕浩洋.一种基于粒子群优化的极限学习机[J],2013,45(01):100-104.

基金信息:

国家自然科学基金资助项目,编号60905039/F030507

检 索 高级检索

引用

GB/T 7714-2015 格式引文
MLA格式引文
APA格式引文