上传者: 38507208
|
上传时间: 2022-03-08 22:17:47
|
文件大小: 3.46MB
|
文件类型: -
这项工作介绍了 [1] 中提出的 LCI-ELM 的新改进。 新的贡献集中在训练模型对更高维度的“时变”数据的适应性上。 使用C-MAPSS数据集对提出的算法进行了研究[2]。 PSO[3] 和 R-ELM[4] 训练规则被整合到了这个任务中。 拟议算法和用户指南的详细信息可在: https : //www.researchgate.net/publication/337945405_Dynamic_Adaptation_for_Length_Changeable_Weighted_Extreme_Learning_Machine
[1] YX Wu、D. Liu 和 H. Jiang,“长度可变增量极限学习机”,J. Comput。 科学技术,卷。 32号3,第 630-643 页,2017 年。 [2] A. Saxena、M. Ieee、K. Goebel、D. Simon 和