极限学习机中隐含层节点选择研究
极限学习机中隐含层节点选择研究
邓万宇;张莎莎;刘光达;刘丹
【期刊名称】《信息技术》
【年(卷),期】2018(000)008
【摘要】极限学习机(ELM)算法大大提高了单隐层前馈神经网络(SLFNs)的学习速度,在各个领域得到广泛应用.但ELM算法过程中随机分配输入权值和偏差,这虽能加快ELM算法速度,但也造成算法隐含层节点的冗余,一些隐含层节点是毫无存在意义的,而且还会影响整个算法的学习效率.针对ELM算法的这一不足,文中提出新的节点选择算法,实现了对极限学习机中隐含层节点的选择,使得ELM 算法的性能有了一定的提高,并与一些流行算法进行了比较,文中算法表现良好.【总页数】4页(1-3,7)
【关键词】极限学习机;特征选择;神经网络
【作者】邓万宇;张莎莎;刘光达;刘丹
【作者单位】西安邮电大学计算机学院,西安710061;西安邮电大学计算机学院,西安710061;西安邮电大学计算机学院,西安710061;西安邮电大学计算机学院,西安710061
【正文语种】中文
【中图分类】TP18
【相关文献】
1.基于特征选择和极限学习机的发动机性能预测 [J], 徐建新; 岳敏骐
2.极限学习机和遗传算法在暂态稳定评估特征选择中的应用 [J], 卢锦玲; 於慧敏
3.基于粒子群与极限学习机的电能质量信号特征选择与识别 [J], 黄南天; 卢国波;
