注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. ELM 极限学习机

  2. 极限学习机matlab源码及对应几篇重要文献，对学习人工智能的朋友很有价值！里面有matlab测试源代码和测试数据，非常好用，可用于分类和回归，速度很快。我用9030*1569的数据训练和测试12秒即有结果。

  3. 所属分类：其它

    • 发布日期：2013-07-24
    • 文件大小：2097152
    • 提供者：jason3040

  1. 使用局部泛化误差模型的极端学习机的神经网络结构的选择

  2. 局部泛化误差模型 极端学习机 ELM 本文将初始LGEM推广到一个新的单隐层前馈神经网络（SLFNs）LGEM模型，极端学习机的训练（ELM）是一种新型的无迭代训练算法。这个扩展LGEM的发展可以提供一些有用的指引，以提高由ELM训练了的SLFNs的泛化能力。基于扩展的LGEM, 提出了一种为SLFNs的架构选择的算法。在若干基准数据集上的实验结果表明，可以用我们的方法找到一个SLFN的神经元的数量而言的近似最优的体系结构。此外，在11个UCI数据集的实验结果表明，该方法是有效的和高效的。

  3. 所属分类：讲义

    • 发布日期：2015-04-14
    • 文件大小：407552
    • 提供者：qq_27393309

  1. 逻辑回归的ELM训练样本

  2. 里面包含用ELM进行逻辑回归二分类测试的原诗样本数据，以及分开的训练样本、测试样本，还有样本和标签分离的数据。可以用于Python和MATLAB进行简单测试，便于ELM快速入门。对应的Python和MATLAB代码见：https://code.csdn.net/snippets_manage

  3. 所属分类：机器学习

    • 发布日期：2017-09-24
    • 文件大小：4096
    • 提供者：qq_39077752

  1. 基于超像素和elm的图像分类方法源码

  2. 内含训练样本，分类数据和一整套matlab代码，可直接运行，作者是参考 Spectral-Spatial Hyperspectral Image Classification Using Superpixel and Extreme Learning Machines文章自行编写的，效果良好。

  3. 所属分类：其它

    • 发布日期：2017-11-12
    • 文件大小：35651584
    • 提供者：tanbangti5592

  1. ELM极限学习机

  2. 基于c/c+=的工具，使用极限学习机ELM算法，通过对样本数据的训练，对数据进行分类。这是对于医学肿瘤图像良恶性的分类。

  3. 所属分类：其它

    • 发布日期：2018-05-18
    • 文件大小：90112
    • 提供者：qq_33499064

  1. ELM极限学习机

  2. 这是一个极限学习机的训练代码，此代码可以对数据进行训练，主要用在故障诊断

  3. 所属分类：讲义

    • 发布日期：2018-10-23
    • 文件大小：6144
    • 提供者：weixin_43439542

  1. elm-kernel

  2. 超限学习机elm核函数的应用代码，ELM(Extreme Learning Machine)是一种新型神经网络算法，最早由Huang于2004年提出【Extreme learning machine: a new learning scheme of feedforward neural networks】。 与SVM，传统神经网络相比，ELM的训练速度非常快，需要人工干扰较少，对于异质的数据集其泛化能力很强。 Huang在【Extreme learning machines: a surve

  3. 所属分类：机器学习

    • 发布日期：2019-03-21
    • 文件大小：8192
    • 提供者：okok666

  1. 前馈神经网络ELM.rar

  2. 这是一个ELM的完整代码，包括训练集和测试集，还有数据，可以完整运行出来，我运行的matlab是2016b的版本。

  3. 所属分类：其它

    • 发布日期：2019-08-22
    • 文件大小：176128
    • 提供者：weixin_44888363

  1. PCA-GA-ELM煤矿瓦斯涌出量预测

  2. 为对井下瓦斯涌出量进行预测,采用主成分分析与改进极限学习机相结合的方法,在样本数据的筛选上吸取主成分分析数据降维的优点;充分利用极限学习机训练速度快、能够获得全局最优解且具有良好的泛华性能的特点,将遗传算法与其相结合,选择最优的输入权值矩阵和隐含层偏差,避免随机产生所造成的误差.利用编写程序确定隐含层神经元个数,比依靠经验更为准确,在实际中得到成功应用.研究结果表明:运用PCA-GA-ELM预测模型最大相对误差为19.58%,最小相对误差为0.8%,平均相对误差为6.0551%.从预测模拟结果可

  3. 所属分类：其它

    • 发布日期：2020-05-15
    • 文件大小：717824
    • 提供者：weixin_38617846

  1. 基于PCA—ELM的煤矿突水预测方法研究

  2. 针对采用传统算法建立煤矿突水预测模型存在训练速度慢、泛化能力差、测试精度不高等问题,提出了一种将PCA与ELM相结合的煤矿突水预测方法,并利用该方法建立了煤矿突水预测模型。该方法以煤矿突水历史数据为样本,利用PCA得到煤矿突水主控因素,将仅包含主控因素的样本数据划分为训练集、验证集和测试集;然后把训练样本作为ELM的输入,对模型进行训练;最后利用样本数据验证模型。实验结果表明,相较于传统算法,该方法输入变量少,建模和运算时间短,模型的运行速度和预测精度较高。

  3. 所属分类：其它

    • 发布日期：2020-05-10
    • 文件大小：677888
    • 提供者：weixin_38718413

  1. 基于JADE-ELM的煤巷围岩稳定性预测

  2. 为了对煤巷围岩稳定性进行科学、准确的预测,提出了一种将自适应差分进化算法(JADE)与极限学习(ELM)结合的煤巷围岩稳定性预测新方法。基于ELM训练速度快、泛化能力好和易获取全局最优解的优点,采用JADE优化ELM的输入权值矩阵和隐含层偏差,减少随机性造成的误差,建立JADE-ELM煤巷围岩稳定性预测模型。利用霍州煤矿区煤巷实测数据进行实例分析,并将预测结果与ELM、BP、RBF神经网络比较。结果显示:JADE-ELM模型预测平均精度为97.85%,比ELM、BP、RBF模型分别高出4.05%

  3. 所属分类：其它

    • 发布日期：2020-04-23
    • 文件大小：233472
    • 提供者：weixin_38697579

  1. 差分进化算法优化极限学习机程序代码(DE-ELM)

  2. 程序可用，自带训练和测试数据集，每个模块是单独编，可读性强，利用率高。

  3. 所属分类：机器学习

    • 发布日期：2019-07-06
    • 文件大小：46080
    • 提供者：qq_23859701

  1. PCA与ELM模型相结合的矿井突水水源快速识别方法研究

  2. 为了快速准确判别矿井突水水源，降低矿井突水事故给煤矿生产及人类生命财产安全带来的危害，以赵各庄矿为例，提出了主成分分析法(PCA)与极限学习机(ELM)相结合矿井突水水源快速识别方法。结果表明：PCA确定了赵各庄矿中Na+、Ca2+、Mg2+对水样影响较大，为赵各庄矿水样的主控因子，排除了其它指标冗余信息的影响；在MATLAB中导入PCA确定的水样中三种主成分数据，通过ELM模型仿真训练可在10s内得出水样分类结果，分类学习时间迅速；对比ELM模型与BP神经网络对水样的分类结果，ELM仿真训练

  3. 所属分类：其它

    • 发布日期：2020-06-10
    • 文件大小：1048576
    • 提供者：weixin_38538021

  1. 适用于大规模数据的极限学习机集成分类器

  2. 对于分类问题，极限学习机（ELM） 可以通过更快的学习获得更好的泛化性能速度。 但是，单个ELM在数据分类中是不稳定的。 这基于Bagging的集成分类器，即Bagging-ELM已被研究流行并证明可以显着改善ELM的性能在准确性方面，但是，不适合大规模处理数据集由于高度密集的计算。 在这项研究中，我们建议一种新颖的ELM集成分类器，即b-ELM，它利用了Bag of Little Bootstraps技术可获取可扩展，高效的方式大规模数据的分类。 实现分类效率因为它只需要对数量进行反复培训就可

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：325632
    • 提供者：weixin_38675969

  1. 提高加权ELM以实现不平衡学习

  2. 用于单层前馈神经网络（SLFN）的极限学习机（ELM）是一种强大的机器学习技术，并且以其快速的学习速度和良好的泛化性能而受到关注。 最近，提出了加权ELM来处理具有不平衡类分布的数据。 加权ELM的关键本质是为每个训练样本分配了额外的权重。 尽管提供了一些经验加权方案，但是如何确定更好的样本权重仍然是一个悬而未决的问题。 在本文中，我们提出了一种Boosting加权ELM，它将加权ELM无缝地嵌入到经过修改的AdaBoost框架中，以解决上述问题。 直观地，反映训练样本重要性的AdaBoost框

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：572416
    • 提供者：weixin_38506182

  1. Meta-ELM：具有ELM隐藏节点的ELM

  2. 极限学习机（ELM）只是随机分配输入权重和偏差，不可避免地导致某些随机行为并降低泛化性能。 在本文中，我们提出了一种ELM的元学习模型，称为Meta-ELM。 Meta-ELM体系结构由几个基本ELM和一个顶级ELM组成。 因此，Meta-ELM学习分两个阶段进行。 首先，在训练数据的子集上训练每个基本ELM。 然后，以基础ELM作为隐藏节点来学习顶级ELM。 对一些人工和基准回归数据集的理论分析和实验结果表明，所提出的Meta-ELM模型是可行和有效的。

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：1048576
    • 提供者：weixin_38705873

  1. 实例克隆极限学习机

  2. 极限学习机（ELM）是一种流行的机器学习方法，可以灵活地模拟现实世界中分类应用程序之间的关系。 当面对数量较少的样本（即实例）的问题（即数据集）时，ELM通常会导致过拟合的麻烦。 在本文中，我们提出了一种新的实例克隆极限学习机（简称为IC-ELM），它可以处理许多不同的分类问题。 IC-ELM使用实例克隆方法来平衡输入数据的分布并扩展训练数据集，从而减轻了过度拟合的问题并提高了测试分类的准确性。 在20个UCI数据集上进行的实验和比较，以及在图像和文本分类应用程序上的验证表明，与原始ELM算法及

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：2097152
    • 提供者：weixin_38703468

  1. 基于ELM模型的SAR海浪有效波高反演方法研究

  2. 针对合成孔径雷达(SAR)海浪有效波高反演方法开展研究,提出了基于超限学习机(ELM)模型的SAR海浪有效波高经验反演方法。通过对ENVISAT ASAR波模式数据和ECMWF再分析数据进行数据时空匹配得到SAR图像与海浪有效波高的匹配数据集,分别在大匹配数据集和小匹配数据集两种情况下对SAR海洋有效波高反演算法进行经验建模,并与业务化CWAVE算法进行了对比验证。结果表明:大匹配数据集下,所提经验模型的精度为0.87,反演精度总体略逊于CWAVE算法(0.91),但在模型训练效率方面,所提经验

  3. 所属分类：其它

    • 发布日期：2021-01-26
    • 文件大小：9437184
    • 提供者：weixin_38664556

  1. 一种基于互信息变量选择的极端学习机算法

  2. 针对回归问题中存在的变量选择和网络结构设计问题, 提出一种基于互信息的极端学习机(ELM) 训练算法, 同时实现输入变量的选择和隐含层的结构优化. 该算法将互信息输入变量选择嵌入到ELM网络的学习过程之中, 以网络的学习性能作为衡量输入变量与输出变量相关与否的指标, 并以增量式的方法确定隐含层节点的规模.在Lorenz、Gas Furnace 和10 组标杆数据上的仿真结果表明了所提出算法的有效性. 该算法不仅可以简化网络结构, 还可以提高网络的泛化性能.

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：166912
    • 提供者：weixin_38559569

  1. 基于TensorFlow的高压输电线路异物识别

  2. 针对传统异物识别准确率较低的问题，提出一种基于TensorFlow的深度卷积神经网络的异物识别模型。将巡检图像进行图像灰度化和尺寸压缩等预处理，并采用三维块匹配滤波(BM3D)算法进行图像去噪得到实验所需的训练数据。提出基于TensorFlow的深度卷积神经网络框架，通过使用框架中的TensorBoard模块设计深度卷积神经网络模型结构与优选模型参数，并针对ReLU激活函数与特征权重进行理论分析。实验结果表明，经过15次迭代训练后，深度卷积神经网络比传统的支持向量机(SVM)、极限学习机(ELM

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：2097152
    • 提供者：weixin_38571544
« 12 »