Extreme learning machine: Theory and applications.pdf
很明显，前向神经网络的学习速度通常远低于要求，这一直是其应用的主要瓶颈。这背后的两个主要原因可能是：（1）基于慢梯度的学习算法被广泛用于训练神经网络；（2）使用这种学习算法，网络的所有参数都是迭代调整的。与传统的学习算法不同，本文提出了一种新的单隐层前馈神经网络（SLFNs）的学习算法ELM，该算法随机选择隐节点并解析地确定slfn的输出权值。理论上讲，该算法在极快的学习速度下具有良好的泛化性能。基于一些人工和真实的基准函数逼近和分类问题（包括非常复杂的应用）的实验结果表明，新算法在大多数情况下都能产生良好的泛化性能，并且比传统的常用学习算法学习速度快数千倍前馈神经网络。
文件下载
评论信息
其他资源
- lw.dll 乐玩插件9.09
- 长周期光纤光栅透射谱MATLAB仿真
- 世界国家边界范围shp
- IC常见的笔试面试题100道
- 汽车客运公司售票系统
- Javaweb系统设计--电影购票系统
- 谷歌服务GMS框架.zip
- x-cube-iap-usart
- altera EP4CGX15 PCI-e 驱动源码
- SSM个人博客项目实战(SSM+EasyUI)
- java 中间代码生成 编译原理
- d3_js：d3.js-源码
- C/C++Linux设计模式.mp4
- 北京邮电大学软件工程温控系统平时作业文档
- chrome.tar
- flashdevelop Build halted with errors (fcsh).解决方案.doc
- dlib库 64位，32位
- 思科交换机C3550 ISO
- 08cms房产系统单城市版v8.1原版
- squid缓存详细配置
- qt5超级贪吃蛇(单人双人，简单人机，排行榜）
- Matlab Connector 1.2
- JT/T 415-2006 道路运输电子政务平台编目编码规则
- 电机转速测量系统
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明