基于和声搜索算法的极限学习机网络优化

• 作者: 唐鹏 张梦桥 徐辰华 林小峰 蒋成龙 黄清宝
• 来源期刊: 广西大学学报（自然科学版）
• 学科: 工学
• 关键词: 和声搜索算法 极限学习机 隐含层节点数 预测精度
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 电气工程
• 页码范围: 517-524
• 页数: 8页
• 分类号: TP183
• 字数: 4093字
• 语种: 中文
• DOI: 10.13624/j.cnki.issn.1001-7445.2018.0517

摘要

极限学习机(ELM)因其运算速度快、误差小等优点而得到广泛的应用,但由于随机给定输入权值和阈值可能导致隐含层节点无效,因此,ELM通常需要增加隐含层节点数来提高预测精度,从而导致网络泛化能力不佳.为了解决上述问题,提出一种和声搜索算法的极限学习机网络(HS-ELM),采用和声搜索算法不断调整ELM输入权值和隐含层阈值矩阵选取最优以达到优化网络的目的.最后通过两种复杂度不同的非线性函数拟合加以验证.结果表明,传统ELM网络平均预测误差为0.31×10-3%和1.6%,HS-ELM的平均预测误差为0.01×10-3%和0.4%.证明和声搜索算法优化后的ELM网络在同等情况下所需的隐含层节点数和预测精度均优于传统ELM网络的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林小峰	广西大学电气工程学院	110	503	11.0	14.0
2	黄清宝	广西大学电气工程学院	32	152	7.0	10.0
3	唐鹏	广西大学广西生态型铝产业协同创新中心	16	42	4.0	6.0
4	徐辰华	广西大学电气工程学院	26	90	6.0	8.0
5	蒋成龙	广西大学电气工程学院	2	3	1.0	1.0
6	张梦桥	广西大学电气工程学院	1	3	1.0	1.0