基于深度极限学习机的危险源识别算法HIELM

• 作者: 刘虎 周良 李诗瑶
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 危险源识别 深度学习 极限学习机(ELM) 分类
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 信息安全
• 页码范围: 89-94
• 页数: 6页
• 分类号: TP183
• 字数: 6688字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.05.016

摘要

危险源识别是民用航空管理的重要环节之一,危险源识别结果必须高度准确才能确保飞行的安全.为此,提出了一种基于深度极限学习机的危险源识别算法HIELM(Hazard Identification Algorithm Based on Extreme Learning Machine),设计了一种由多个深层栈式极限学习机(S-ELM)和一个单隐藏层极限学习机(ELM)构成的深层网络结构.算法中,多个深层S-ELM使用平行结构,各自可以拥有不同的隐藏结点个数,按照危险源领域分类接受危险源状态信息完成预学习,并结合识别特征改进网络输入权重的产生方式.在单隐藏层ELM中,深层ELM的预学习结果作为其输入,改进了反向传播算法,提高了网络识别的精确度.同时,分别训练各深层S-ELM,缓解了高维数据训练的内存压力和节点过多产生的过拟合现象.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周良	南京航空航天大学计算机科学与技术学院	95	1164	17.0	31.0
2	刘虎	南京航空航天大学计算机科学与技术学院	19	35	3.0	4.0
3	李诗瑶	南京航空航天大学计算机科学与技术学院	1	2	1.0	1.0