暂无评论
超限学习机比支持向量机分类效果更好，运行效率比DEEP LEARNING高！
平板学习机
虚拟操作泰克1000b,2000b的操作,适合初学者
A*算法 两阶段调度 5辆小车
基于粒子群算法优化正则化极限学习机的纺织品色差检测，江礼凯，周志宇，针对纺织品色差检测的问题，提出了粒子群算法（PSO）优化正则化极限学习机（RELM）的纺织品色差检测，构建染色品色差自动检测分类��
极限学习机在岩性识别中的应用.ELM的应用例子PDF论文
极限学习机（ELM）具有强大的非线性映射能力、良好的泛化性能和快速的收敛速度等特点，在故障检测系统中有广泛的应用。阐述了极限学习机的基本原理；结合文献分别介绍了传统极限学习机和三种新型极限学习机在不同
PSO-ELM粒子群优化的极限学习机，通过调节参数拟合效果很好，便于大家使用，为学者和科研人员提供基础和思路
粒子群(PSO)优化的极限学学习机(ELM),用粒子群优化算法优化的极限学习机,可用于数据的回归和分类,实测比单纯的极限学习机精度高的多。
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
暂无评论