样本增量型极限学习机的研究及应用

• 作者: 马云鹏 王贺琦 唐浩桁
• 来源期刊: 自动化与仪器仪表
• 关键词: 极限学习机 样本增量 循环流化床锅炉 泛化能力 在线模型
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 智能检测与信息处理|INTELLIGENT DETECTION AND INFORMATION PROCESSING
• 页码范围: 5-8,12
• 页数: 5页
• 分类号: TP18
• 语种: 中文
• DOI: 10.14016/j.cnki.1001-9227.2021.07.005

摘要

针对原始极限学习机不适于解决在线预测的回归问题,提出一种样本增量型极限学习机算法.极限学习机是一种新型的单隐层前向神经网络,随机设置输入权值和隐层阈值,解析计算获得输出权值.所提算法以极限学习机为基础,引入样本增量的思想,即根据样本之间的实际增量来调整网络的输入权值和阈值,使极限学习机具有样本自适应性和在线辨识能力.通过在UCI数据集和锅炉NOx排放浓度建模上的应用,实验结果表明算法具有良好的回归能力和泛化能力,并且对于解决在线建模问题是有效的.