一种基于粒子群优化的极限学习机

• 作者: 毕浩洋 王杰
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 粒子群 极限学习机 隐含层节点
• 年，卷（期）: 2013,（1）
• 页码范围: 100-104
• 页数: 5页
• 分类号: TP183
• 字数: 3149字
• 语种: 中文
• DOI: 10.3969/j.issn/1671-6841.2013.01.024

摘要

极限学习机(ELM)是一种新型的前馈神经网络,相比于传统的单隐含层前馈神经网络(SLFN),ELM具有速度快、误差小的优点.由于随机给定输入权值和偏差,ELM通常需要较多隐含层节点才能达到理想精度.粒子群极限学习机算法为使用粒子群算法(particle swarm optimization,PSO)选择最优的输入权值矩阵和隐含层偏差,从而计算出输出权值矩阵.一维Sinc函数拟合实验表明,相比于ELM算法和传统神经网络算法,粒子群极限学习机算法依靠较少的隐含层节点能够获得较高精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王杰	郑州大学电气工程学院	142	1137	17.0	27.0
2	毕浩洋	郑州大学电气工程学院	5	130	3.0	5.0