一种基于遗传算法的极限学习机改进算法研究

• 作者: 刘志超 王新环
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 遗传算法 极限学习机 权值 阈值
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 算法与语言
• 页码范围: 79-82,86
• 页数: 5页
• 分类号: TP312
• 字数: 3217字
• 语种: 中文
• DOI: 10.11907/rjdk.171419

摘要

针对传统极限学习机(ELM)缺乏有效的训练方法、应用时预测精度不理想这一弱点,提出了一种基于遗传算法(GA)训练极限学习机(GA-ELM)的方法.在该方法中,ELM的输入权值和隐藏层节点阈值映射为GA的染色体向量,GA的适应度函数对应ELM的训练误差;通过GA的遗传操作训练ELM,选出使ELM网络误差最小的输入权值和阈值,从而改善ELM的泛化性能.通过与ELM、I-ELM、OS-ELM、B-ELM4种方法的仿真结果对比,表明遗传算法有效地改善了ELM网络的预测精度和泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王新环	河南理工大学电气工程与自动化学院	36	126	6.0	9.0
2	刘志超	河南理工大学电气工程与自动化学院	57	188	7.0	9.0