中国学术期刊网络出版总库
  关闭
结合期望风险的极限学习机的研究  
   推荐 CAJ下载 PDF下载
【英文篇名】 Research on extreme learning machine with expected risk
【下载频次】 ★☆
【作者】 翟宁宁; 孙玉华;
【英文作者】 ZHAI Ningning; SUN Yuhua; School of Mathematics and Physics; University of Science and Technology Beijing;
【作者单位】 北京科技大学数理学院;
【文献出处】 计算机工程与应用 , Computer Engineering and Applications, 编辑部邮箱 2017年 16期  
期刊荣誉:中文核心期刊要目总览  ASPT来源刊  中国期刊方阵  CJFD收录刊
【中文关键词】 极限学习机; 正则极限学习机; 期望风险; 结构风险; 经验风险;
【英文关键词】 extreme learning machine; regularized extreme learning machine; expected risk; structure risk; empirical risk;
【摘要】 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。
【英文摘要】 Research on the model of extreme learning machine, a prediction model is proposed of extreme learning machine which is based on expected risk minimization. It's basic idea is to consider both structure risk and expected risk at the same time, according to relationship between expected risk and empirical risk, converting expected risk into empirical risk, so that prediction model of extreme learning machine can be solve with minimizing expected risk. Using artificial data set and real data set of regression ...
【基金】 国家自然科学基金(No.11471010)
【更新日期】 2017-08-29
【分类号】 TP18
【正文快照】 1引言极限学习机(Extreme Learning Machine,ELM)是一种有效的前馈神经网络学习方法,是Huang[1]在2004年提出来的。它的基本思想是随机生成网络的输入权值和隐含层偏置值,并且在训练的过程中均保持不变,需要训练的仅是网络的输出权值,通过简单的线性回归算法即可完成训练任务。

xxx
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。

工业技术
  自动化技术、计算机技术
   自动化基础理论
    人工智能理论
  
 
  CNKI系列数据库编辑出版及版权所有:中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有:清华同方知网(北京)技术有限公司
其它数据库版权所有:各数据库编辑出版单位(见各库版权信息)
京ICP证040431号    互联网出版许可证 新出网证(京)字008号