ELM 极限学习机与SVM支持向量机

最新推荐文章于 2024-10-12 08:54:46 发布
最新推荐文章于 2024-10-12 08:54:46 发布
阅读量1.4w 收藏 36
点赞数 4
分类专栏： 机器学习 Deep Learning 文章标签： ELM 极限学习机 svm deep learning 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/hanzihan123/article/details/41478679
版权
本文探讨了ELM（极端学习机）的原理，它通过随机生成隐层参数来避免复杂的迭代过程。ELM作为神经网络，包含输入、隐藏和输出层，且在多分类任务中表现出优于SVM的速度和效果。优化过程类似于SVM的对偶问题，但无需迭代。作者认为随机化隐层参数有助于模拟人脑学习，且在实践中证明有效。
摘要由CSDN通过智能技术生成

在上一篇《DeepLearning 的挑战： Extreme Learning Machine（超限学习机）？》 中介绍了一些ELM与DL 的一些比较，这篇主要介绍ELM的原理。

首先，ELM的核心就是将复杂的迭代过程转变为隐层参数随机产生。

其次，ELM 是一个神经网络，有输入层、隐藏层，输出层。

最后，ELM 的多分类效果优于SVM，而且速度贼快。

 

对于训练样本集{xi,ti}  i=1-N, 共有N各样本，其中每个样本xi 是一个d维列向量，ti是输出标签。

ELM,的输出为：


其中，wj 为连接第j 各隐节点的输入权值；bj 为第j个隐节点的偏差； j 为第j各隐节点到ELM输出节点的权值；g（）为第j各隐节点的输出函数；

而， h（xi）=[g(w1,b1,xi),…..,g(wL,bL,xi)]为隐层关于xi的输出向量，h（xi）

最低0.47元/天 解锁文章
涵子涵
关注
专栏目录
【数据分析】基于matlab GUI kmeans聚类分组系统【含Matlab源码 510期】
订阅付费专栏Matlab（奶茶价版），可赠送奶茶价版付费专栏指定代码1份；
03-13 856
kmeans聚类分组系统 完整的代码，方可运行；可提供运行操作视频！适合小白！
极限学习机和支持向量机_极限学习机I
weixin_26752765的博客
09-05 1588
极限学习机和支持向量机Around 2005, A novel machine learning approach was introduced by Guang-Bin Huang and a team of researchers at Nanyang Technological University, Singapore. 2005年前后，黄光斌和新加坡南洋理工大学的一组研究人员介绍了一种新...
极限学习机和支持向量机_极限学习机的发展
weixin_26632369的博客
07-21 1541
极限学习机和支持向量机 了解机器学习 (Understanding ML) Note! This is just a major overview of the ELM evolution. It doesn't include all possible versions and tweaks done to ELMs through the years. 注意！ 这只是ELM演进的主要概述。 它...
机器学习（MachineLearning）（6)——分类_支持向量机
qxl_799915的博客
10-12 1209
学习整理机器学习全过程
BP神经网络、ELM极限学习机、SVM支持向量机MATLAB代码，以及测试数据，用于回归预测
03-22
BP神经网络、ELM极限学习机、SVM支持向量机MATLAB代码，以及测试数据，用于回归预测，相关细节可以在下方评论，看到时一一解答。
ELM与SVM
weixin_38907330的博客
02-18 1884
本文是对模式识别作业的总结，主要偏重应用，附有代码 https://blog.csdn.net/lisi1129/article/details/70209945?locationNum=8&fps=1
浅论MLP、ELM、SVM的效果
yfszzx的专栏
09-26 9795
这几天测试了MLP和ELM的效果，发现MLP明显优于ELM，就一直在思考其中的原因，昨天散步时突然想通了其中的道理。 MLP和ELM、SVM的本质，都是将问题映射到高维空间，然后在高维空间做回归或分类。 从原理上来说，分类或回归的效果，直接受到映射方式的影响，如果一个关键的模式，在高维空间上表现出明显的差异，分类效果就好，如果这个关键模式恰好没在高维空间上表现出来，效果就差。 从这个
睡眠阶段分期——SVM和ELM分别与粒子群算法结合（main）
01-06
摘要：本研究的目的是建立具有最佳准确率的分类模型,以心电图(ECG)信号为基础,使用心率变异性(HRV)特征来识别睡眠阶段。该方法是极端学习机器(ELM)和粒子群优化(PSO)的组合,用于特征选择和隐藏节点数的确定。ELM和PSO组合的2、3、4和6分类的测试精度分别为 82.1%, 76.77%, 71.52%, 62.66%。本文还比较了ELM和支持向量机(SVM)方法,其测试精度低于ELM和PSO的组合。根据结果,可以得出PSO方法的添加能够提高分类性能。 文献链接：https://ieeexplore.ieee.org/document/8463307 、 https://ieeexp
分类_支持向量机
weixin_40809507的博客
12-16 1402
一、支持向量机 1. 基本概念 1）什么是支持向量机 支持向量机（Support Vector Machines）是一种二分类模型，在机器学习、计算机视觉、数据挖掘中广泛应用，主要用于解决数据分类问题，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化（即数据集的边缘点到分界线的距离d最大，如下图），最终转化为一个凸二次规划问题来求解。通常SVM用于二元分类问题，对于多元分类可将其分解为多个二元分类问题，再进行分类。所谓“支持向量”，就是下图中虚线穿过的边缘点。支持向量机就对应着能将数据正确划
ELM.rar_ELM SVM_极限学习机_极限学习机 ELM
09-21
ELM与支持向量机(SVM)都是监督学习方法，常用于分类和回归问题。SVM以其强大的泛化能力著称，通过构造最大间隔超平面进行决策，但在大规模数据集上，SVM的训练时间可能会非常长，特别是当采用高维核函数时。而ELM则...
各种脚本工具 M、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极
最新发布
10-19
卷积神经网络（CNN）、LSTM、支持向量机（SVM）、最小二乘支持向量机（LSSVM）、极限学习机（ELM）、核极限学习机（KELM）、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命...
贝叶斯、极限学习机、支持向量机代码，以及SVM课件
05-18
在机器学习领域，贝叶斯、极限学习机（ELM）和支持向量机（SVM）是三种广泛应用且极具影响力的算法。这些方法都属于监督学习的范畴，用于解决分类和回归问题。Matlab作为强大的数值计算软件，是实现这些算法的理想...
BP+SVM+ELM回归预测代码.zip
03-11
BP神经网络、SVM支持向量机、ELM极限学习机的MATLAB代码，三种对比实验，用于回归预测 内含测试数据
极限学习机(ELM)
hhsh49的博客
10-10 2055
转自：http://blog.csdn.net/google19890102/article/details/18222103 一、极限学习机的概念     极限学习机(Extreme Learning Machine) ELM，是由黄广斌提出来的求解单隐层神经网络的算法。     ELM最大的特点是对于传统的神经网络，尤其是单隐层前馈神经网络(SLFNs)，在保证学
Python机器学习17——极限学习机(ELM)
weixin_46277779的博客
03-05 5509
python实现ELM 的代码，优化ELM的矩阵系数代码。
有关ELM和SVM在使用过程中的问题
weixin_50642818的博客
10-26 377
最近在看别人使用ELM和SVM连接CNN的时候发现一点问题，这个组合我自己以前做过，没有查到多少资料，但是有一点是可以确认的。就是ELM和SVM无法进行反向传播，无法和CNN一起同步进行梯度下降的参数优化过程。然而貌似有几篇论文在介绍自己方法的时候写的好像能一起训练一样，不知道是他们理解的问题还是我真的搞错了。另外，ELM的方法好像争议很大，而且我自己用起来确实效果很一般，没那么神奇。正好看到一个帖子专门讨论这个，贴出来供大家参考。
轴承故障分类方法之CNN+SVM和ELM
weixin_50642818的博客
11-27 1804
一直想写这个方法，CNN+SVM是我一开始学习的时候想复现的，结果学了很久才达到目标。主要还是太急于求成了，而且现成的资料很难查到，等对CNN和SVM模型以及训练方法有了一定了解以后，我才真正复现。但是实际上这个方法效果一般，只是给大家提供一种思路而已。
机器学习之支持向量机 svm for beginners
littlecarton的博客
01-28 334
为什么叫支持向量机？ 先说Machine。SVM95年发表的时候叫Support Vector Network，为了和神经网络撇清关系，在98年改Network为Machine。 再说Support Vector。比如为了找一条线分开下图的猫和狗，我们能找到很多这样的线，但是哪一条才是最优的呢？     直观地看，我们只需要考虑几个特殊的点（红圈），这几个点之间的线基本都能分开全部的猫和狗...
极限学习机ELM与SVM性能比较分析
ELM在设计上与传统的机器学习算法，尤其是支持向量机（SVM, Support Vector Machine）有许多相似之处。SVM通过构建一个或多个超平面来实现分类，最大化不同类别的间隔，并且在处理小样本数据时表现尤为出色。然而，...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值