一種改進(jìn)的極限學(xué)習(xí)機(jī)算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
前饋神經(jīng)網(wǎng)絡(luò)能夠通過輸入樣本逼近復(fù)雜的非線性映射，因此在很多領(lǐng)域都有應(yīng)用，但是存在學(xué)習(xí)速度慢、容易陷入局部收斂和在不同場合其參數(shù)難以調(diào)解等復(fù)雜問題，以致其發(fā)展受限。為解決這些問題，2006年Huang提出一種新型單隱層前饋神經(jīng)網(wǎng)絡(luò)——極限學(xué)習(xí)機(jī)（ Extreme Leaming Machine．ELM），通過核函數(shù)將數(shù)據(jù)從低維空間映射到高維空間中，處理非線性數(shù)據(jù)，但是參數(shù)隨機(jī)產(chǎn)生使結(jié)果存在一定的隨機(jī)性，因此容易產(chǎn)生較差的分類效果。1995年James Kennedy和Russel Eberhart提出粒子群（Particle Swarm Optimization，PSO）算法，該方法是基于群體演化的隨機(jī)全局優(yōu)化的一種智能優(yōu)化算法，其中心思想是對(duì)鳥群或魚群合作捕食行為的研究。在優(yōu)化復(fù)雜函數(shù)時(shí)，PSO算法的搜索精度不能達(dá)到要求，且易陷入局部最優(yōu)的狀況，到搜索后期經(jīng)常會(huì)出現(xiàn)震蕩情況。2009年，Lei等M1提出了基于混沌序列的粒子群優(yōu)化算法，通過引入混沌序列增強(qiáng)了算法的全局搜索能力。2012年，Han等。5 0提出了用PSO算法對(duì)ELM進(jìn)行優(yōu)化，通過優(yōu)化ELM的輸入層權(quán)值及隱藏層偏差，得到一傘最優(yōu)的網(wǎng)絡(luò)。2015年，Yang等提出基于Tent混沌序列的PSO算法，在增強(qiáng)全局搜索能力的基礎(chǔ)上有效地避免了算法的盲目性，提高了算法收斂速度。
本文通過分析ELM的缺點(diǎn)，提出一種新的自適應(yīng)混沌粒子群一極限學(xué)習(xí)機(jī)（Adaptive Chaotic Particle Swarm Optimization-Extreme Leaming Machine，ACPSO-ELM）分類器。在該算法中，首先通過ELM對(duì)給定的數(shù)據(jù)進(jìn)行初始化，產(chǎn)生一組輸入權(quán)值和隱藏層偏置，再通過ACPSO算法尋找最優(yōu)輸入權(quán)值和隱藏層偏置，最后將得到的結(jié)果代入ELM中訓(xùn)練。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
一種改進(jìn)的極限學(xué)習(xí)機(jī)算法下載
相關(guān)電子資料下載
- 紫光展銳UNISOC S8000用科技助力步步高學(xué)習(xí)機(jī)S8智慧教育 1472
- 小度發(fā)布首款百度文心大模型學(xué)習(xí)機(jī) 394
- 全球首款基于文心大模型的學(xué)習(xí)機(jī)—小度學(xué)習(xí)機(jī)Z30重磅發(fā)布 416
- 天翼終端發(fā)布AI+終端新品：云平板、AI學(xué)習(xí)機(jī)和FTTR-B等 282
- 高光譜成像系統(tǒng)：深度學(xué)習(xí)機(jī)載高光譜影像樹種分類研究 762
- AI大模型落地學(xué)習(xí)機(jī)，大模型應(yīng)用成學(xué)習(xí)機(jī)創(chuàng)新方向 3379
- TCL"未來紙"顯示技術(shù)助力松鼠Ai S20智能學(xué)習(xí)機(jī)，全球首個(gè)智適應(yīng)教 341
- 大牛談如何學(xué)習(xí)機(jī)器視覺? 211
- 【直播預(yù)告】基于RT-Thread & LVGL RA6M3 HMI-Board兒童益智學(xué)習(xí)機(jī) 353
- 學(xué)習(xí)臺(tái)燈|AI攝像頭學(xué)習(xí)機(jī)_支持視頻通話方案 492