一种黄金分割优化的极限学习机算法

• 作者: 金培源 陈慧娟 高波涌
• 来源期刊: 中国计量学院学报
• 学科: 工学
• 关键词: 黄金分割法 极限学习机 隐含层节点 输入层权值 隐含层偏差
• 年，卷（期）: 2014,（2）
• 页码范围: 209-212
• 页数: 4页
• 分类号: TP183
• 字数: 2616字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1540.2014.02.0018

摘要

针对极限学习机(ELM)存在大量隐层神经元个数和随机给定权值导致算法性能不稳定等问题,将黄金分割法(Golden Section)与ELM相结合提出了基于黄金分割优化的极限学习机算法(GS-ELM).首先通过黄金分割法对ELM隐含层节点数进行优化,接着再用该方法对ELM输入层权值和隐含层偏差进行优化.实验结果表明,相比较传统的BP神经网络,支持向量机和极限学习机,GS-ELM算法能获得较高的分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高波涌	中国计量学院信息工程学院	23	148	8.0	11.0
2	金培源	中国计量学院信息工程学院	2	21	2.0	2.0
3	陈慧娟	中国计量学院信息工程学院	1	13	1.0	1.0