论文部分内容阅读
对极限学习机的模型进行了研究，提出了一种结合期望风险最小化的极限学习机的预测模型。其基本思想是同时考虑结构风险和期望风险，根据期望风险和经验风险之间的关系，将期望风险转换成经验风险，进行最小化期望风险的极限学习机预测模型求解。利用人工数据集和实际数据集进行回归问题的数值实验，并与极限学习机（ELM）和正则极限学习机（RELM）两种算法的性能进行了比较，实验结果表明，所提方法能有效提高了泛化能力。