中国学术期刊网络出版总库
  关闭
基于粒子群优化算法的最优极限学习机  
   推荐 CAJ下载 PDF下载
【英文篇名】 Optimal Extreme Learning Machine Based on Particle Swarm Optimization Algorithm
【下载频次】 ★★★★★
【作者】 潘怀奇; 闭应洲; 潘永华;
【英文作者】 PAN Huai-qi; BI Ying-zhou; PAN Yong-hua; School of Computer and Information Engineering; Guangxi Teachers Education University;
【作者单位】 广西师范学院计算机与信息工程学院;
【文献出处】 广西师范学院学报(自然科学版) , Journal of Guangxi Teachers Education University(Natural Science Edition), 编辑部邮箱 2018年 04期  
期刊荣誉:ASPT来源刊  CJFD收录刊
【中文关键词】 粒子群算法; 极限学习机; 隐层节点;
【英文关键词】 particle swarm optimization; Extreme Learning Machine; hidden layer nodes;
【摘要】 针对极限学习机隐含层神经元个数选取的问题,提出以粒子群优化算法搜索最佳隐含层神经元个数,用极限学习机模型的测试准确率作为粒子群优化算法适应值的方法(PSO-ELM)。基于手写数字数据集digits分别对比了随机设置隐含层神经元个数的极限学习机、用粒子群算法优化的极限学习机输入权重和隐层偏置的极限学习机(PSO-ELM)、传统的BP算法以及SVM算法对手写数字的识别率,对比结果表明,粒子群优化算法得到的隐含层神经元个数在极限学习机中拥有较高的准确率。
【英文摘要】 Aiming at the problem of selecting the number of neurons in the hidden layer of the Extreme Learning Machine(ELM),this paper proposes a search for the optimal number of neurons in the hidden layer by the particle swarm optimization algorithm(PSO),using the accuracy of the ELM model as the fitness function of the PSO(pso ELM).The algorithm was used to perform experiments on recognition of handwritten digital data set.Through comparison with the ELM by randomly setting the number of hidden neurons,the ELM opt...
【基金】 广西大明山数字文化旅游资源集成与应用示范(桂科AC16380106)
【更新日期】 2019-02-18
【分类号】 TP18
【正文快照】 0引言传统的BP神经网络包括前向传播和后向传播两个过程,前向传播过程是通过输入训练数据得到网络模型的输出,再将输出值与数据标签值作对比得到模型误差,在后向传播过程中由误差不断调整网络权值,从而学得能够解决实际问题的网络模型,虽然能够得到较好的模型,但是训练过程通常

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