极限学习机是一种前馈神经网络算法,近年来在数据的分类与预测方面得到了广泛的应用。ELM的输入权重和隐含层偏置是随机生成的,这虽然省去了大部分训练的时间,但是不可避免的存在非最优或非必要的输入权重和偏置。为了提高预测与分量的准确率,利用差分优化算法对其进行参数优化。 内置一个数据,可以直接运行。
2022-06-29 18:05:24 45KB matlab程序 优化算法 发表论文
由于不确定因素多、电网规模大,原始蒙特卡洛模拟(MCS)在复杂电力系统可靠性评估中无法满足实时高效的要求。提出一种基于交叉熵(CE)的重要抽样与极限学习机(ELM)相结合的可靠性评估算法,一方面通过在系统抽样环节引入CE构建元件的最优概率分布,减小方差变化,加快指标收敛速度;另一方面,采用ELM对重要抽样的状态样本进行有监督学习,以所构建的网络学习模型替代传统非线性规划方法进行状态评估,提高单次系统状态评估的效率,从而实现快速可靠性评估。对IEEE RTS-79系统进行可靠性评估,与原始MCS和CE重要抽样的对比结果表明,在一定的误差范围内所提算法合理、有效,其计算效率较原始MCS和CE显著提高。
1
智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab代码模型及运行结果
2022-06-21 13:12:56 235KB matlab
1
BELMKN:贝叶斯极限学习机Kohonen网络 无监督的极限学习机(ELM)是一种用于特征提取的非迭代算法。 该方法应用于IRIS数据集以进行非线性特征提取,聚类预测,最后使用k-means进行聚类。 客观的 要使用Unsuoervised Extreme Learning Machine执行非线性特征学习,使用贝叶斯信息准则(BIC)预测数据集中的聚类数,最后使用k-means,自组织图/ Kohonen网络和EM算法进行聚类 模组 无监督的极限学习机:在此模块中,使用无监督的极限学习机执行数据集的特征提取。 这是具有单个隐藏层的非迭代算法,其中输入层和隐藏层之间的权重被随机初始化,并且使用目标函数计算隐藏层和输出层之间的权重。 因此,可以保证收敛于全局最小值。 贝叶斯信息准则:贝叶斯信息准则是一种统计方法,使用d来找出数据集中的聚类数。 它使用期望最大化(EM)算法来查找数据集中的
1
【DELM分类】基于花朵授粉算法改进深度学习极限学习机实现数据分类附matlab代码
2022-05-20 10:56:40 817KB
1
【DELM分类】基于人工蜂群算法改进深度学习极限学习机实现数据分类附matlab代码
2022-05-16 10:36:38 1.09MB
1
【预测模型】基于樽海鞘算法的极限学习机(ELM)回归预测 Matlab代码.md
2022-05-15 13:26:28 8KB
1
该工具箱使用简单的界面实现了用于回归和分类的极限学习机 (ELM)。 只需一行代码,就可以训练 ELM 模型。 另一行用于在新数据上测试模型。 此实现还包括添加来自 RVFL 的功能链接的选项,这会在输入和输出之间创建额外的连接。
2022-05-12 09:57:13 6KB matlab
1
1、有完整原始数据 2、python程序 3、程序详细,可直接运行
【DELM分类】基于遗传算法改进深度学习极限学习机实现数据分类附matlab代码
2022-05-06 08:39:33 929KB
1