极限学习机改进算法

提出一种基于差分进化(DE) 和粒子群优化(PSO) 的混合智能方法—–DEPSO 算法, 并通过对10 个典型函数进行测试, 表明DEPSO 算法具有良好的寻优性能. 针对单隐层前向神经网络(SLF

由于神经网络具有拟合非线性的能力,所以可以用神经网络来处理内部模型的非线性特性,因此这种内部模型采用神经网络的非线性PLS方法得到了广泛的应用。传统的前馈神经网络在训练中采用梯度学习算法,网络中的参数

本文首先概述了ELM的发展历程,接着详细阐述了ELM的工作原理.然后对ELM理论和应用的最新研究进展进行了归纳总结,着重讨论并分析了自ELM提出以来的主要学习算法和模型,包括提出的原因、核心思想、求解

本文提出了一种估计行人数量的方法。 提议的计数框架通过使用混合功能和极限学习机(ELM)结合了两种主要的行人计数策略-直接方法和间接方法。 ELM用于将混合要素映射到行人数量。 混合特征由整体低级特征

具有-范数正则化的随机傅立叶极限学习机

极限学习机用于乳腺癌诊断代码

堆叠核极限学习机用于高光谱图像分类

针对煤层自然发火的预测问题,以标志气体分析法为基础,提出了一种基于极限学习机的煤自然发火预报模型,该模型将直接构造出指标气体浓度与煤层是否自然发火之间的非线性映射关系,从而实现对煤层是否自然发火的识别

集成极限学习机的基学习器扩展，王建功，刘博，集成极限学习机(E-ELM)由多个极限学习机(ELM)构成，它能有效地提高学习器的泛化性能。但用于集成的基学习器数量不易确定，过少则难以

MI-ELM:基于分层极限学习机的高效多实例学习