为了解决基于深度学习的网格分割方法在训练分割分类器过程中时间消耗大的问题,提出了一种基于蚁狮优化的极限学习机的网格分割方法。利用蚁狮优化算法中蚂蚁种群受精英蚁狮与轮盘赌策略的双重影响,迭代更新蚂蚁种群
标记分布学习作为一种新的学习范式,利用最大熵模型构造的专用化算法能够很好地解决某些标记多样性问题,但是计算量巨大。基于此,引入运行速度快、稳定性更高的核极限学习机模型,提出基于核极限学习机的标记分布学
深度学习中的自动编码器选用极限学习机时速度会大大加快,可以看看哈!参考论文为: Representational Learning with ELMs for Big Data
岩石物理研究,或参与地质分析和研究(例如,绘制异常的Kong隙流体压力)。 但有时由于数据丢失或当时没有记录,在20年前钻的那些老井中不存在它。 因此,合成DTlog成为研究人员的必要任务。 在本文中
提出了一种改进的分布式极限学习机的电站锅炉NO_x排放特性建模方法。引入分布式和岭回归理论,提升了极限学习机预测算法的泛化性能和预测准确率。采用改进的MapReduce编程框架对提出的算法模型进行并行
针对极限学习机(ELM) 网络结构优化问题, 提出一种改进的灵敏度剪枝ELM(ImSAP-ELM). ImSAP-ELM 将??2 正则化因子引入SAP-ELM 中, 采用留一准则确定最优隐节点数.
深度极限学习机也叫多层极限学习机,ML-ELM。是黄广斌等人在极限学习机ELM基础上,将其拓展为深度学习的一种模式识别方法,原文文章:Representationallearningwithextre
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
极限学习机的MATLAB代码,包括分类和回归的,还有对比实验
极限学习机ELM的最简单实用代码。黄广斌2004年论文代码。