Python-ELM:Python中的极限学习机实现-源码

上传者: 42165508 | 上传时间: 2021-09-01 14:12:23 | 文件大小: 17KB | 文件类型: ZIP
Python-ELM v0.3 --->存档2021年3月<--- 这是基于Python[1] [2]的。 从摘要: 显然,前馈神经网络的学习速度通常远远慢于所需速度,并且在过去的几十年中一直是其应用的主要瓶颈。 背后的两个关键原因可能是:1)基于慢梯度的学习算法被广泛用于训练神经网络,以及2)通过使用这种学习算法来迭代地调整网络的所有参数。 与这些传统实现不同,本文针对单隐藏层前馈神经网络(SLFN)提出了一种称为极限学习机(ELM)的新学习算法,该算法随机选择输入权重并通过分析确定SLFN的输出权重。 从理论上讲,该算法倾向于以极快的学习速度提供最佳的泛化性能。 基于现实世界中基准函数逼近和分类问题(包括大型复杂应用程序)的实验结果表明,该新算法在某些情况下可以产生最佳的泛化性能,并且比传统的前馈神经网络流行的学习算法学习速度快得多。 这是一项正在进行的工作,因此事情可以/可能/

文件下载

资源详情

[{"title":"( 7 个子文件 17KB ) Python-ELM:Python中的极限学习机实现-源码","children":[{"title":"Python-ELM-master","children":[{"title":"plot_elm_comparison.py <span style='color:#111;'> 6.89KB </span>","children":null,"spread":false},{"title":"LICENSE <span style='color:#111;'> 1.49KB </span>","children":null,"spread":false},{"title":"random_layer.py <span style='color:#111;'> 18.39KB </span>","children":null,"spread":false},{"title":"elm.py <span style='color:#111;'> 19.84KB </span>","children":null,"spread":false},{"title":"elm_notebook.py <span style='color:#111;'> 6.63KB </span>","children":null,"spread":false},{"title":".gitignore <span style='color:#111;'> 303B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 5.29KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]

评论信息

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