版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、從數(shù)據(jù)中發(fā)現(xiàn)知識(shí)是分析復(fù)雜數(shù)據(jù)和建立決策系統(tǒng)的基石,其中模式分類是知識(shí)發(fā)現(xiàn)中的一項(xiàng)重要內(nèi)容。近年來,研究者們廣泛采用人工智能方法來解決模式分類問題,并且在醫(yī)學(xué)診斷、機(jī)械故障診斷、語音識(shí)別、人臉識(shí)別等領(lǐng)域獲得了很好的應(yīng)用。
極限學(xué)習(xí)機(jī)(Extreme Learning Machine,ELM)是2006年Huang提出的一種新型人工智能方法。ELM屬于單隱層前饋神經(jīng)網(wǎng)絡(luò),其學(xué)習(xí)算法能夠在隨機(jī)選擇輸入層權(quán)值的前提下,利用Moore
2、-Penrose廣義逆解析求出輸出層權(quán)值。與傳統(tǒng)的學(xué)習(xí)算法相比,ELM學(xué)習(xí)算法只需設(shè)置隱層節(jié)點(diǎn)個(gè)數(shù),在算法執(zhí)行過程中不需要調(diào)整輸入權(quán)值以及隱層節(jié)點(diǎn)的偏置,就能獲得唯一的最優(yōu)解析解。因其易于學(xué)習(xí)以及具有很好的魯棒性,ELM近年來在人工智能領(lǐng)域引發(fā)了廣泛關(guān)注和研究熱情。
本文采納系統(tǒng)工程思想,利用人工智能、信息科學(xué)等領(lǐng)域的相關(guān)研究成果,從算法機(jī)理和實(shí)際應(yīng)用兩個(gè)方面對(duì)ELM展開研究,主要研究?jī)?nèi)容可以歸納為如下幾個(gè)方面:
(
3、1)對(duì)相關(guān)研究工作進(jìn)行綜述。在介紹人工智能的發(fā)展歷程以及幾種經(jīng)典的人工智能分類方法的基礎(chǔ)上,對(duì)極限學(xué)習(xí)機(jī)的原理和研究現(xiàn)狀進(jìn)行了重點(diǎn)闡述。
(2)對(duì)ELM的算法機(jī)理進(jìn)行研究。針對(duì)一種Benchmark分類問題,利用仿真實(shí)驗(yàn)探討了訓(xùn)練樣本個(gè)數(shù)、隱層節(jié)點(diǎn)數(shù)、輸入層權(quán)值以及隱層節(jié)點(diǎn)偏置量等四個(gè)重要參數(shù)對(duì)ELM分類器性能的影響程度;此外,還考慮實(shí)際應(yīng)用特點(diǎn),研究了樣本歸一化處理方法對(duì)ELM分類器性能的影響程度。
(3)對(duì)ELM
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于主成分估計(jì)的極限學(xué)習(xí)機(jī)及其應(yīng)用研究.pdf
- 極限學(xué)習(xí)機(jī)結(jié)構(gòu)優(yōu)化及其應(yīng)用研究.pdf
- 極限學(xué)習(xí)機(jī)及其在分類問題中的應(yīng)用.pdf
- 基于極限學(xué)習(xí)機(jī)的半監(jiān)督分類.pdf
- 基于堆疊極限學(xué)習(xí)機(jī)的衛(wèi)星云圖分類研究.pdf
- 基于極限學(xué)習(xí)機(jī)的設(shè)備故障預(yù)測(cè)方法及應(yīng)用研究.pdf
- 極限學(xué)習(xí)機(jī)的研究與應(yīng)用.pdf
- 多核極限學(xué)習(xí)機(jī)性能分析及其在脈象分類中的應(yīng)用.pdf
- 基于極限學(xué)習(xí)機(jī)對(duì)衛(wèi)星鐘差預(yù)報(bào)的應(yīng)用研究
- 基于極限學(xué)習(xí)機(jī)對(duì)衛(wèi)星鐘差預(yù)報(bào)的應(yīng)用研究.pdf
- 基于極限學(xué)習(xí)機(jī)的三維模型數(shù)據(jù)分類研究.pdf
- 基于集成極限學(xué)習(xí)機(jī)的神經(jīng)元分類算法研究.pdf
- 基于深度極限學(xué)習(xí)機(jī)的K-SVD算法研究及其應(yīng)用.pdf
- 基于分塊KPCA和極限學(xué)習(xí)機(jī)的圖像分類識(shí)別研究.pdf
- 基于極限學(xué)習(xí)機(jī)的不確定數(shù)據(jù)分類算法.pdf
- 基于進(jìn)化極限學(xué)習(xí)機(jī)的特征加權(quán)近鄰分類算法.pdf
- 基于極限學(xué)習(xí)機(jī)的XML文檔分類的研究與實(shí)現(xiàn).pdf
- 基于深度學(xué)習(xí)的極限學(xué)習(xí)機(jī)算法研究.pdf
- 基于支持向量機(jī)和極限學(xué)習(xí)機(jī)的管道缺陷分類方法研究.pdf
- 基于集成極限學(xué)習(xí)機(jī)的腦電信號(hào)分類研究.pdf
評(píng)論
0/150
提交評(píng)論