基于并行学习的多层极限学习机

• 作者: 张曦煌 李德利
• 来源期刊: 计算机应用研究
• 关键词: 神经网络 稀疏编码 极限学习机 并行学习
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 459-461
• 页数: 3页
• 分类号: TP182
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.02.029

摘要

为了进一步提高极限学习机的学习性能,将并行学习的思想引入单层极限学习机,并提出了基于并行学习的多层极限学习机模型.实验结果表明,该模型比传统的单层极限学习机、多层极限学习机以及传统基于误差反向学习的深度学习模型分类准确率高、收敛速度快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张曦煌	江南大学物联网工程学院	134	1137	14.0	27.0
2	李德利	江南大学物联网工程学院	1	5	1.0	1.0