基于粒子群优化的极限学习机

sallycyp 47 0 M 2019-04-28 06:04:16

提出一种基于粒子群算法优化极限学习机算法。采用粒子群算法对极限学习机参数进行优化,最后在Matlab平台进行仿真对比实验。

推荐下载

极限学习机ELM的最简单实用代码。黄广斌2004年论文代码。

首先重新审视了采用穷举法求解LCS问题的困难,以及对应的优点;随后针对穷举法的优点进行了两类优化;最后给出了算法实现的图示以及算法的结论。通过实验证明,算法的效率较传统的动态规划的LCS算法有了很大的

程序可用,自带训练和测试数据集,每个模块是单独编,可读性强,利用率高。

粒子群算法的集中优化,matlab程序,可直接运行

深度学习的发展促进了深度在线学习的发展,在线学习往往有较强的实效性。在在线极限学习机原理和深度极限学习机自动编码器原理的基础上,提出无监督的在线深度极限学习机自动编码器;并将遗忘机制引入在线深度ELM

基于差分进化的在线极限学习机,王建功,,在线极限学习机(OS-ELM)是一种在线学习算法,它可以逐个或者逐段地学习数据,并且OS-ELM比一般的在线学习算法学习速度要快。为进一步�

极限学习机(ExtremeLearningMachine,ELM)是一种单隐层前馈神经网络(Single-hiddenLayerFeedforwardNeuralNetworks,SLFN),它相较于

为了提高母线保护的可靠性,提出了一种基于有功功率和极限学习机的快速母线保护算法。通过对故障电压和电流行波进行S变换,可以获得故障后0.1 ms内的有功功率幅度。模拟母线区域中的不同故障类型,并构建

用户评论

请输入评论内容

评分：

卡了网匿名网友 2019-04-28 06:04:16

骗子，就一个main文件，一点不全。