本文關(guān)鍵詞：基于增強(qiáng)隨機(jī)搜索的OECI-ELM算法

  更多相關(guān)文章： ELM算法 增強(qiáng)隨機(jī)搜索 全局逼近

【摘要】：為提高OCI-ELM算法性能,從神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)出發(fā),將EI-ELM中增強(qiáng)隨機(jī)搜索能力的機(jī)制應(yīng)用于OCI-ELM算法中,提出一種增長結(jié)構(gòu)的新算法(Optimal Incremental Coefficients-Extreme Learning Machine,OECI-ELM).數(shù)值實(shí)驗(yàn)表明,由該算法得到的網(wǎng)絡(luò)序列可以逼近任意連續(xù)的目標(biāo)函數(shù).對于不同的回歸問題,與OCI-ELM、EI-ELM、CI-ELM、ECI-ELM算法相比,OECI-ELM算法可獲得更加緊湊的網(wǎng)絡(luò)結(jié)構(gòu),且泛化能力也更強(qiáng).
【作者單位】： 西北大學(xué)現(xiàn)代學(xué)院;
【分類號】：TP18
【正文快照】： 0引言單隱層前向神經(jīng)網(wǎng)絡(luò)(Feedforward Neural Networks,FNNs)由于其對非線性映射有極強(qiáng)的模擬能力,已被廣泛應(yīng)用于各個(gè)領(lǐng)域.傳統(tǒng)基于梯度的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法中,由于網(wǎng)絡(luò)中的全部參數(shù)都需要迭代調(diào)整產(chǎn)生,因而易產(chǎn)生學(xué)習(xí)速度緩慢、陷入局部極小等問題.Huang等人提出一種簡單易

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 熊振興;張麗雅;;多信道選取中的隨機(jī)搜索[J];移動(dòng)通信;1989年01期

2 符國慶;徐維祥;李曉爭;;一種隨機(jī)搜索優(yōu)化算法——網(wǎng)魚算法[J];北京交通大學(xué)學(xué)報(bào);2007年06期

3 李中科,楊曉輝,吳樂南;一種無需隨機(jī)搜索策略的自動(dòng)平面檢測方法(英文)[J];Journal of Southeast University(English Edition);2003年03期

4 ;[J];;年期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前1條

1 馮yN;李霞;;一種K最近鄰分類的改進(jìn)算法及應(yīng)用[A];2011年全國通信安全學(xué)術(shù)會(huì)議論文集[C];2011年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 張敏;未知放射源輻射場構(gòu)造與智能隨機(jī)搜索及其優(yōu)化研究[D];南華大學(xué);2016年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 呂丹彥;群體約束情境下隨機(jī)搜索行為建模與分析[D];東南大學(xué);2016年

2 符國慶;一種隨機(jī)搜索優(yōu)化算法[D];北京交通大學(xué);2007年

3 解瑞飛;基于啟發(fā)式搜索的生物特征辨識算法研究[D];杭州電子科技大學(xué);2012年

，

本文編號：1300620