单隐层前馈神经网络相关论文
单隐层前馈神经网络中,隐层节点个数是影响网络的学习能力和复杂程度的重要因素.在实际应用当中,如何确定网络的隐层节点个数仍然......
极限学习机(ELM)是一种基于单隐层前馈神经网络的新算法(如图1),因其结构简单、学习速度快、参数少等优势[1],引起了广泛关注。......
为解决不同光谱仪器之间光谱系统性差异问题,提出了一种基于集成式极限学习机自编码器的模型转移新方法(Calibration Transfer......
极限学习机(ELM)作为一种单隐层前馈神经网络已成功应用于大数据分析.与传统神经网络相比,ELM 具有结构简单,学习速度快和较好......
MIMO(Multiple Input Multiple Output,多输入多输出)技术由来已久。自二十世纪九十年代MIMO技术真正应用于无线通信以来,该技术凭......
[目的]研究改善自适应遗传算法(Adaptive genetic algorithm,AGA)的早熟问题,并提升该算法优化的神经网络模型的预测性能.[方法]引......
机器人智能控制是近年来机器人控制领域研究的前沿,已被国内外研究者的广泛关注。在实际工程中,所研究的机器人往往具有高度非线性......
本文将基于单隐层前馈神经网络(Single-hidden Layer Feed forward Neural Network,SLFN)提出的极速学习机(Extreme Learning ......
给出一种基于单隐层前馈神经网络的合金裂纹诊断技术。首先,建立一个具有单隐层结构的输入输出模型来表示合金裂纹增长过程。然后,......
极端学习机作为传统单隐层前馈神经网络(Single-Hidden Layer Feedforward Networks,SLFNs)的拓展在模式识别领域成为新的研究热点......
以提高RBF网络泛化能力为着眼点,提出了一种新型的网络结构自适应学习算法.该算法采用衰减聚类半径的聚类算法来确定初始的隐层结......
针对传统BP网络在语音识别应用中存在训练时间长,容易陷入局部极小值等问题,建立了一种基于ELM的语音识别系统.ELM是一种快速的单......
针对常规的前馈神经网络因采用梯度下降法进行参数学习而容易陷入局部极小值,且由于算法的局限性,其网络的推广性能较差,容易出现......
超限学习机在对不平衡数据集进行学习和分类时,正类样本容易被错分。而加权超限学习机只考虑了数据集类之间的不平衡,忽视了样本类......
In this paper, we propose two weighted learning methods for the construction of single hidden layer feedforward neural n......
在基于误差最小化的极限学习机(EM_ELM)的基础上,提出了一种改进的基于误差最小化的极限学习机,输入权重和偏置采用递归最小二乘法获......
作为一种自然资源,地球上只有百分之三的水是淡水。根据我国国情,淡水资源人均较少,即我国是严重的缺水大国。各个地区的城市化建......
为了辅助放射科医生制定合理的放疗计划,避免放疗损害人体正常的组织器官,减轻医生简单重复的工作负担,亟需一种自动/半自动算法对CT图......
基于离散傅里叶变换-极限学习机(DFT-ELM)提出了一种新的单隐层前馈神经网络在线贯序学习算法,命名为"在线贯序-离散傅里叶变换-极......
针对刚性臂机器人系统,提出基于极限学习机(ELM)的两种自适应神经控制算法。极限学习机随机选择单隐层前馈神经网络(SLFNs)的隐层节点......
为解决因庞大的矩阵存储和计算,ELM(Extreme Learning Machines)难以应用到大规模、高维数据集的问题,提出一种基于"分而治之"策略......
标准的加权超限学习机在训练不平衡数据集时,只对不同类之间赋予类权值而没有对个体的样本赋予不同的权值,忽视了样本个体的差异.......
为提高通信基站空调故障诊断的准确率,特别是小类样本故障的识别率,本文针对类别不平衡的数据集提出一种单隐层前馈多标签分类算法......