基于联盟博弈和极限学习机的棉花异性纤维识别方法

极限学习机ELM的最简单实用代码。黄广斌2004年论文代码。

用于“通用”单隐藏层前馈网络(SLFN)的极限学习机(ELM)是可以使用广泛类型的功能映射的统一学习平台。 从理论上讲,ELM可以近似任何目标连续函数并分类任何不相交的区域。 在实际应用中,许多实验结

榆木Julia中的极限学习机是一种单隐藏层前馈网络(SLFN)的变体，由于它们的权重没有迭代调整，因此有很大的不同。这大大提高了神经网络的速度。根据ELM理论：隐藏节点/神经元参数不仅与训练数据无关，

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�

基于在线序贯极限学习机的高炉渗透率预测

基于极限学习机的LIBS钢液定量分析

针对直流微电网的并网建模问题,提出了一种基于优化极限学习机的直流微电网并网等效建模方法。以直流微电网并网接入点的电压和功率数据分别作为极限学习机的输入和输出,构建基于极限学习机的直流微电网并网等效模型

本文对现有的语音识别技术发展现状进行了分析，首先介绍了语音识别的基本理论，包括语音信号的预处理、端点检测和特征提取。在此基础上，介绍了三个有效语音识别特征参数—线性预测编码系数LPC、线性预测倒谱系数

针对增量型极限学习机(I-ELM) 中存在大量降低学习效率及准确性的冗余节点的问题, 提出一种基于Delta 检验(DT) 和混沌优化算法(COA) 的改进式增量型核极限学习算法. 利用COA的全局搜