极限学习机的输入权重是随机生成的，这个因此每次的结果不一致。因此采用主成分分析，将原始数据降到N维（所设的隐含层节点数）。将得到的pca降维变换矩阵作为极限学习机的输入权重，效果更佳稳定
2020-01-03 11:32:32
4.64MB
1
由于神经网络具有拟合非线性的能力,所以可以用神经网络来处理内部模型的非线性特性,因此这种内部模型采用神经网络的非线性PLS方法得到了广泛的应用。传统的前馈神经网络在训练中采用梯度学习算法,网络中的参数需要迭代更新,不仅训练时间长,而且容易导致局部极小和过度训练等问题,另外其多隐层的结构也导致了样本训练速度慢,训练误差大"此外,Bartlett提出对于已达到最小训练误差的前馈神经网络,权值越小泛化特性越好,而传统的梯度学习算法仅仅考虑训练误差最小,忽视了权值大小对网络的影响,这些问题都将影响到模型的泛化特性。
2019-12-21 22:20:27
16KB
1
1.
本文件包括ELM和KernelELM()算法的实现，在黄广斌教授础源码基础上做了简单修改，并对程序做出注释
2.
elm.m ELM算法实现
elm_kernel.m KernelELM算法实现，注意使用不同kernel时，核参数个数可能不一样
3.
test_elm.m elm()函数测脚本，有详细注释
test_elm_kernel elm_knenel()函数测试脚本，有详细注释
4. UCI_DataSet
mat格式UCI数据集，包括了多个数据库
每个数据库中，一行为一个数据，第1列为数据所属类别号
详情见ｇｉｔｅｅ项目地址：
https://gitee.com/wllw7176/ELM-matlab
获取方法：
git clone https://gitee.com/wllw7176/ELM-matlab.git
2019-12-21 21:55:25
2.27MB
1
关于elm进行回归预测的分析，使用方法很简单，只需输入训练集和测试集就可以进行elm预测了，预测的结果会保存在相应的.mat文件里，详细操作请看代码里的操作说明。资源里有调用函数ELM.m，执行函数guidence.m文件，作为调用实例，直接运行就可以了，简单易懂，汉语注释说明等。运行结果会直接输出测试集的MAE, RMSE, MAPE, DISTAT这几个统计量
2019-12-21 21:24:53
4KB
1