极端学习机相关论文
针对极端学习机(ELM)方法在预测建模过程中因参数随机生成导致的结果不确定性,提出了一种加速鱼群算法(AAFSA)优化极端学习机的锂......
低NOx燃烧优化是一种简单、高效、廉价的燃煤电站NOx减排方法.建立NOx预测模型是该方法的重要组成部分.极端学习机(extreme learni......
极端学习机作为最具代表性的前馈神经网络之一，具有网络参数少，无需迭代，学习速度快等优点。但由于其单隐层的网络结构过于简单，使得极......
纹理分类是计算机视觉和模式识别领域的一个重要研究内容,其中,纹理特征提取,以及如何构建一种快速稳定的分类器是算法的关键,本文......
学位
风电出力具有波动性和间歇性,大规模风电接入系统会对电网的电能质量带来不良影响,对电网的安全、稳定运行带来严峻挑战,精确的风......
基因选择是微阵列数据研究中的重要课题。从充满冗余信息和噪声的高维小样本的数据中选择与样本分类最相关的基因，有利于提高分类器......
虽然极端学习机能够在极短的时间内获得更优的泛化性能，但因其输入层权值和隐单元阈值是随机选取的，从而使极端学习机的泛化性能受到......
分类器学习方法是人工智能研究的核心问题之一。好的分类器学习算法，能使应用系统更加智能化。最近几年，神经信息学得到了飞速的发展......
极端学习机(ELM)作为一种广义的单隐层前馈神经网络学习算法因其极快的收敛速度和良好的泛化性能而在分类和回归问题中得到广泛的......
样例选择是数据挖掘中一个重要的数据预处理步骤。大多数样例选择算法选择边界样例，边界样例的不确定性大，包含的有用信息更多，因此对......
极端学习机（ELM: Extreme Learning Machine）是训练单隐含层前馈型神经网络的学习算法，它不用迭代调整权值，隐含层的输入权值和偏置都......
为充分提取图像中可辨识信息、提高分类正确率,提出多核近似学习网,该网络主要由2部分构成。在特征提取部分,利用二维高斯分布对原......
随着经济的快速发展,社会对电力的需求大幅增加。而我国的主要发电形式是火力发电,这必然带来两大问题:能源消耗和环境污染。因此,......
电容层析成像技术ECT(Electrical Capacitance Tomography)是一种用于测量管或容器中的空间介电常数分布信息的方法。由于具有非入......
稀疏表示和联合稀疏表示已成为模式识别领域中的主流技术,常被用来进行图像分类、恢复、去噪等诸多应用。传统的稀疏表示和联合稀......
神经网络是人工智能方向的重要分支,擅长处理各种各样的数据。神经网络的算法和模型多种多样,其中极端学习机是一个典型的浅层神经......
与传统的神经网络相比,极端学习机(Extreme Learing Machine,ELM)在速度和计算方面表现出优异的性能。它最大的特点是将复杂的非线......
煤与瓦斯突出预测是一个复杂多因素的、非线性的高维问题,传统的预测方法存在预测精度不高,预测速度慢等不足.针对上述问题,提出了......
电力变压器故障会对电网稳定运行造成很大影响.准确预测变压器油中溶解气体含量,对判断变压器故障隐患具有重要意义.本文提出一种......
通过励磁电流和电枢电流的协调控制,可以使电动车用定子双馈电双凸极电机在整个调速范围内运行在较高率区,以满足电动车的高效率要......
目的 探讨基于平均匹配概率的极端学习机模型在衡水市痢疾发病率预测中的应用,并与神经网络模型比较预测效果.方法 收集2005年1月～2......
针对极端学习机(ELM)网络伪逆输出权值计算方法的运算复杂度制约其训练速度问题,提出一种基于信赖域Newton算法的新型ELM网络(TRON......
为了实现极端学习机(ELM)的在线训练,提出一种限定记忆极端学习机(FM-ELM).FM-ELM以逐次增加新训练样本与删除旧训练样本的方式,提......
非线性时间序列建模预测是复杂系统数据驱动控制的一个重要研究方向，已被广泛应用于工业系统故障分析与预测、工业过程控制、金融市......
我国3-66k V的电力系统中主要采用小电流接地方式(经消弧线圈接地或中性点不接地),其优点是供电可靠性高。单相接地故障占到线路中......
随着科技的快速发展，城市化进程不断加快，能源紧缺和环境污染越来越严重。水能因其无污染、可再生、储量丰富等优点已成为可再生能源......
配电网故障直接影响人民正常生产生活，目前单相接地故障占配电网系统故障总数的80%，接地故障产生信号微弱不易被检测，且受系统中性点......
信息时代的到来，对人机交互提出了更高的要求。视线跟踪技术作为一种新颖的交互方式，吸引许多研究人员的研究兴趣，同时，图像处理、模式......
抗压强度是混凝土品质评估的重要指标,在工程实际应用中,为确保施工安全与经济性,需要在早龄期即能掌握混凝土的强度发展趋势。因......
时间序列分析和预测己在现代信号处理领域得到越来越多的关注。针对实际中广泛存在的非平稳时间序列的预测问题，提出一种在线支......
隐层节点数是影响极端学习机(ELM)泛化性能的关键参数,针对传统的ELM隐层节点数确定算法中优化过程复杂、容易过学习或陷入局部最......
针对回归问题中存在的变量选择和网络结构设计问题,提出一种基于互信息的极端学习机(ELM)训练算法,同时实现输入变量的选择和隐含......
针对集成学习中的准确性和差异性平衡问题,提出一种基于信息论的选择性集成核极端学习机.采用具有结构简单、训练简便、泛化性能好......
极端学习机是一种单隐含层前馈神经网络。与传统的前馈神经网络相比，极端学习机具有更优的泛化能力，同时极大地缩短了网络的训练时间......
针对风电场风电功率爬坡事件预测问题,提出一种分类预测模型.该模型将大气再分析数据输入的预测问题建模为二分类问题.另一方面,提......
为了准确地预测电站锅炉的NOx排放量,以某300 MW亚临界循环流化床锅炉为研究对象,利用自适应风驱动优化(AWDO)算法和极端学习机(EL......
在医学上目前还没有很有效的模型对非小细胞肺癌病人术后生存时间进行预测.本文利用极端学习机和支撑向量机对此进行预测,预测的正......
提出利用极端学习机算法(ELM)在线构建像素分类模型分割白细胞图像。训练阶段根据白细胞核深染色的特点,先利用一个Mean-shift过程......
极端学习机因其学习速度快、泛化性能强等优点,在当今模式识别领域中已经成为了主流的研究方向;但是,由于该算法稳定性差,往往易受......
对风速进行快速、准确的预测,可以有效地减小或避免风电场对电力系统的不利影响,同时提高风电场在电力市场中的竞争能力.根据风速......
针对设备状态在线监测中的小子样建模问题,提出一种基于动态回归极端学习机（dynamic regressionextreme leaming machine,DR-ELM）的......
为了使用解析余度模型对传感器故障进行诊断,提出了1种基于K-均值聚类与改进微分进化算法优化的极端学习机(IDE-ELM)的发动机传感......
在实际问题中数据的不规则分布、带有噪声以及离群点,都严重影响了极端学习机算法的分类准确率。针对这些问题,深入分析不同激活函......
针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法。其中子模型I采用BP网......
