极限学习机ELM

qq_78597 24 0 M 2020-03-23 14:03:32

极限学习机ELM的matlab源代码，可用于解决分类问题，回归问题

推荐下载

具有-范数正则化的随机傅立叶极限学习机

BP神经网络、ELM极限学习机、SVM支持向量机MATLAB代码,以及测试数据,用于回归预测

ODOC-ELM:基于最优决策输出补偿的极限学习机,用于对不平衡数据进行分类

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

针对经典智能算法用于滑坡位移预测时存在的网络结构参数选取复杂、易陷入局部极小等缺陷,提出了基于改进极限学习机ELM(Extreme Learning Machine)的滑坡位移预测模型。在滑坡变形位移

针对基于传统神经网络的变压器故障识别诊断方法存在网络收敛慢、易陷入局部极小点和网络参数难确定的缺点,提出了一种基于极限学习机的电力变压器故障快速识别方法。该方法以变压器油中用于故障类型分析的5种主要溶

极限学习机(ELM)因其高效的训练方式被广泛应用于分类回归,然而不同的输入权值在很大程度上会影响其学习性能。为了进一步提高ELM的学习性能,针对ELM的输入权值进行了研究,充分利用图像局部感知的稀疏性

摘要:内核极限学习机(KELM)通过将低维空间中的线性不可分离数据转换为线性可分离的数据,从而增强了ExtremeLearning Machine(ELM)的鲁棒性。然而,ELM的内部功率参数是随机

为提高电力负荷预测的准确性,提出蝙蝠算法优化极限学习的电力负荷预测模型.首先收集电力负荷历史数据,然后采用蝙蝠算法对延迟时间和嵌入维以及极限学习的隐含层结点数目进行优化,利用电力负荷历史数据进行重构,

用户评论

请输入评论内容

评分：

暂无评论