一种基于增量加权平均的在线序贯极限学习机算法
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.
文件下载
评论信息
其他资源
- 张贤达-现代信号处理（课本+ppt+课后答案+两套试题）
- epass_1000 4.6.15 兼容win10官方驱动 USB Token 1000
- 基于嵌入式的电子相册设计
- tdm-gcc-9.2.0.exe
- pl0编译程序
- dlib-19.17.0-cp37-cp37m-win_amd64.rar whl文件
- Verilog实现的PCM30数据帧群检测代码
- 西门子各类PLC-CAD图
- nand flash 磨损均衡算法(Nand Flash Translation Layer)
- 求动态条件相关系数
- IEEE39节点系统
- 一键APK解包合包工具
- dft函数matlab代码
- 网络空间安全（2017）
- 射频教程之射频的基本概念和知识华为射频培训课件FjM426.ppt
- libadaptive_plugin_3.0.4.zip
- 新标签-源码
- zdleek relrel 2
- 项目管理工具箱(第2版).doc
- 英文教练DNS Infoblox(2/2)英文教练DNS Infoblox.txt
- 依米康智能空调通讯协议
- VC2017串口通讯实例
- 中国矢量地图-ppt可编辑
- 基于MATLAB的滤波器 毕业设计
- ACS800 多传动样本
- 单片机TEA算法加密程序
- AltiumDesignerWinter09 破解（局域网不冲突）
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