选择性集成核极限学习机建模及其应用研究

• 作者: 吴永建 夏全国 汤健 赵立杰
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: 选择性集成建模 遗传算法(GA) 极限学习机(ELM) 核极限学习机(KELM)
• 年，卷（期）: 2014,（3）
• 所属期刊栏目: 智能控制技术及应用
• 页码范围: 399-402
• 页数: 4页
• 分类号: TP29
• 字数: 3474字
• 语种: 中文

摘要

针对选择性集成逆向传播神经网络(GASEN-BPNN)模型训练学习速度慢,选择性集成极限学习机(GASEN-ELM)模型建模精度稳定性差等问题,提出一种基于遗传算法的选择性集成核极限学习机(GASEN-KELM)建模方法.该方法首先通过对训练样本进行随机采样获取子模型训练样本；然后采用泛化性、稳定性较佳的核极限学习机(KELM)算法建立候选子模型,通过标准遗传算法工具箱,依据设定阈值按进化策略优化选择最佳子模型；最后通过简单平均加权集成的方式获得最终GASEN-KELM模型.采用标准混凝土抗压强度数据验证了所提出方 法的有效性,并与GASEN-BPNN和GASEN-ELM选择性集成算法进行比较,表明所提出方法可以在模型学习速度和建模预测稳定性方面获得较好的均衡.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵立杰	沈阳化工大学信息工程学院	42	592	12.0	24.0
2	吴永建	东北大学自动化研究中心	5	49	3.0	5.0