【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
1
【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
针对基于传统神经网络的变压器故障识别诊断方法存在网络收敛慢、易陷入局部极小点和网络参数难确定的缺点，提出了一种基于极限学习机的电力变压器故障快速识别方法。该方法以变压器油中用于故障类型分析的5种主要溶解气体含量作为输入特征量，5种常见变压器状态作为输出量建立分类识别模型。实验结果显示，该方法的识别准确率比支持向量机高12.5%，识别速度是支持向量机的2.6倍，比概率神经网络快5.5倍以上，表明该方法对变压器故障的识别快速而有效。
2022-05-04 20:09:01
440KB
1
针对在线序贯极限学习机(OS-ELM)对增量数据学习效率低、准确性差的问题, 提出一种基于增量加权平均的在线序贯极限学习机(WOS-ELM)算法.将算法的原始数据训练模型残差与增量数据训练模型残差进行加权作为代价函数,推导出用于均衡原始数据与增量数据的训练模型,利用原始数据来弱化增量数据的波动,使在线极限学习机具有较好的稳定性,从而提高算法的学习效率和准确性. 仿真实验结果表明, 所提出的WOS-ELM算法对增量数据具有较好的预测精度和泛化能力.
2022-04-28 17:35:47
208KB
1