暂无评论
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。
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
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，
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.
基于在线学习机制的轨迹预测，周萌，，现有的轨迹预测方法主要分为挖掘建模和在线轨迹预测两个阶段,其中挖掘建模占了大部分时间,这就带来了两个问题:1)轨迹预测之前需要�
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
采用差分进化算法对极限学习机进行优化选择
暂无评论