一种新的混合智能极限学习机

• 作者: 林梅金 罗飞 苏彩红 许玉格
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 粒子群优化算法 差分进化算法 极限学习机 混合
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 短文
• 页码范围: 1078-1084
• 页数: 7页
• 分类号: TP18
• 字数: 7012字
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2014.0321

摘要

提出一种基于差分进化(DE)和粒子群优化(PSO)的混合智能方法—–DEPSO算法，并通过对10个典型函数进行测试，表明DEPSO算法具有良好的寻优性能。针对单隐层前向神经网络(SLFNs)提出一种改进的学习算法—–DEPSO-ELM算法，即应用DEPSO算法优化SLFNs的隐层节点参数，采用极限学习算法(ELM)求取SLFNs的输出权值。将DEPSO-ELM算法应用于6个典型真实数据集的回归计算，并与DE-ELM、SaE-ELM算法相比，获得了更精确的计算结果。最后，将DEPSO-ELM算法应用于数控机床热误差的建模预测，获得了良好的预测效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗飞	华南理工大学自动化科学与工程学院	165	1277	17.0	27.0
2	许玉格	华南理工大学自动化科学与工程学院	61	585	15.0	20.0
3	林梅金	佛山科学技术学院机械与电气工程学院	9	158	5.0	9.0
5	苏彩红	佛山科学技术学院机械与电气工程学院	23	168	6.0	12.0