利用海鸥智能算法SOA优化极限学习机ELM的权值和阈值，用ELM的训练集误差MSE作为fitness

最新推荐文章于 2023-04-25 23:02:29 发布
最新推荐文章于 2023-04-25 23:02:29 发布
阅读量201 收藏 1
点赞数
文章标签： 算法 机器学习 人工智能
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/m0_73733926/article/details/126863879
版权

利用海鸥智能算法SOA优化极限学习机ELM的权值和阈值，用ELM的训练集误差MSE作为fitness，然后将海鸥算法寻得的最优权值和阈值在输入到ELM中建立回去预测模型，提高模型的预测精度，不会替换数据的，可以讲下怎么替换数据，同时会将测试数据一同发送，正常对照着测试数据就能替换自己的数据。
请添加图片描述

ID:7530667347602698Matlab建模

请添加图片描述
请添加图片描述
请添加图片描述

「已注销」
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
麻雀优化算法优化极限学习机(SSA-ELM)回归预测（Matlab完整源码和数据)
02-23
Matlab 麻雀优化算法优化极限学习机(SSA-ELM)回归预测 优化参数为权值和阈值 自带数据为excel数据，多输入，单输出，回归预测。 直接替换数据即可使用，保证程序可正常运行。 MATLAB代码
粒子群优化算法优化ELM的预测实战
qq_45013535的博客
11-10 1163
粒子群优化算法优化ELM的预测实战
极限学习机应用于入侵检测（一）
upupday19的博客
11-04 8633
引言     最近读了一篇2014年CCS的论文，Using Extreme Learning Machine for Intrusion Detection in a Big Data Environment，并对其内容进行了总结和扩展。 基本知识      极限学习机（extreme learning machine）ELM是一种简单易用、有效的单隐层前馈神经网络SLFNs学习算
elm学习总结
鱼香土豆丝
08-29 1万+
学习了解ELM（极限学习机）； （1）算法介绍 极限学习机，该算法随机产生输入层与隐含层的链接权值与隐含层神经元的阈值，并且在训练过程中无需调整，只要设置隐含层的神经元个数就可以得到最优解。 算法的步骤可以分为： 1.确定隐含层的神经元个数，随机设定输入层与隐含层的链接权值，和隐含层的神经元的偏置b 2.选择一个无限可微的函数作为隐含层神经元的激活函数（也叫压制函数）
BP神经网络权值、阈值更新公式推导
热门推荐
pcb931126的博客
07-14 5万+
这里记录一下BP神经网络的误差逆向传播算法： 　　1.针对特殊的一种激活函数:sigmoid(x)=11+e−xsigmoid(x)=11+e−xsigmoid(x)=\frac{1}{1+e^{-x}}来推导BP神经网络的权值和阈值更新公式： 　　给定训练集:D={(x1,y1),(x2,y2)...,(xm,ym)},xi∈Rd,yi∈RlD={(x1,y1),(x2,y2)...,(xm...
ELM（extreme learning machine）
xddwz的博客
09-28 3084
1、ELM理论 个人理解，ELM就是单隐层的前馈人工神经网。但是与传统的BP算法的区别之处在于其不需要反向迭代的调整隐层的权值。具体说来就是：在单隐层的前馈神经网络中，对于输入的特征向量，输入层到隐层的权值随机赋值，但是隐层到输出层的权值则需要根据最小二乘法得到。这就是ELM的训练过程。 与BP的区别：BP算法中，输入层到隐层和隐层带输出层的权值全部需要根据梯度下降法迭代求解。 如图所示的
粒子群优化算法优化极限学习机(PSO-ELM)回归预测（Matlab完整源码和数据)
02-23
Matlab 粒子群优化算法优化极限学习机(PSO-ELM)回归预测 优化参数为权值和阈值 自带数据为excel数据，多输入，单输出，回归预测。 直接替换数据即可使用，保证程序可正常运行。 MATLAB代码
蛇算法优化极限学习机(SO-ELM)回归预测（Matlab完整源码和数据)
02-23
Matlab 蛇算法优化极限学习机(SO-ELM)回归预测 优化参数为权值和阈值 自带数据为excel数据，多输入，单输出，回归预测。 直接替换数据即可使用，保证程序可正常运行。 MATLAB代码
灰狼优化算法优化极限学习机(GWO-ELM)回归预测（Matlab完整源码和数据)
02-23
灰狼优化算法优化极限学习机(GWO-ELM)回归预测（Matlab完整源码和数据) Matlab 灰狼优化算法优化极限学习机(GWO-ELM)回归预测 优化参数为权值和阈值 自带数据为excel数据，多输入，单输出，回归预测。 直接替换数据...
向量加权优化算法优化极限学习机(INFO-ELM)回归预测（Matlab完整源码和数据)
02-23
Matlab 向量加权优化算法优化极限学习机(INFO-ELM)回归预测 优化参数为权值和阈值， 自带数据为excel数据，多输入，单输出，回归预测。 直接替换数据即可使用，保证程序可正常运行。 MATLAB代码
差分进化算法优化极限学习机程序代码(DE-ELM)
07-06
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。
ELM和RVFL两种网络的超详细介绍
Panpan Wei的博客
05-30 1万+
最近一直在跑程序，在看文章时注意到了这两种网络（ELM和RVFL）。自己查阅资料做了简单的总结。希望在大家学习时帮助到大家。 一、RVFL（Random vector functional link network） 首先明确一点，在进行分类的时候，N代表输入数据的个数，d代表输入数据的维度，Y代表的是输入数据代表的标签，c表示的是类别个数，L代表隐含层的节点数。例如对于常见的鸢尾花数据集来说...
【机器学习】第5篇 粒子群算法PSO求解优化问题
Fanjufei的博客
04-25 174
在MATLAB中，可以使用粒子群算法（PSO）对极限学习机（ELM）回归模型进行优化，从而提高其预测性能。PSO算法可以帮助我们优化ELM回归模型，在预测性能上取得更好的结果。用于计算ELM回归模型在给定权重下的预测误差。
机器学习___ELM
faiculty
04-17 2602
一.带有随机隐藏节点的单隐层前馈神经网络1.相关条件： N个不同样本(xi,tix_i,t_i), xix_i =[xi1,xi2,xi3,........,xin]T[x_{i1},x_{i2},x_{i3},........,x_{in}]^T, tit_i =[ti1,ti2,ti3,........,tim]T[t_{i1},t_{i2},t_{i3},........,t_{im}]^T
【ElM分类】基于海鸥算法优化ElM神经网络实现数据分类附matlab代码
qq_59747472的博客
04-10 752
1 简介 为了提高极限学习机(ELM)数据分类的精度,提出了海鸥算法(SOA)的ELM分类器参数优化方法(SOA-KELM),将CV训练所得多个模型的平均精度作为SOA的适应度评价函数,为ELM的参数优化提供评价标准,用获得SOA优化最优参数的ELM算法进行数据分类.利用UCI中数据集进行仿真. 2 部分代码 ​​function[Score,Position,Convergence]=SOA(Search_Agents,Max_iterations,Lower_bound,Upper_bound,
【预测模型-ELM预测】基于海鸥算法优化极限学习机预测matlab代码
m0_60703264的博客
12-04 218
针对变压器故障的特征,结合变压器油中气体分析法以及三比值法.提出了基于海鸥算法改进极限学习机的故障诊断方法.由于输入层与隐含层的权值和阈值是随机产生.传统的极限学习机可能会使隐含层节点过多,训练过程中容易产生过拟合现象.该方法运用海鸥算法对极限学习机的输入层与隐含层的权值与阈值进行优化,从而提高模型的稳定性和预测精度.将诊断结果与传统的基于极限学习机故障诊断进行对比,结果表明,基于海鸥算法改进极限学习机变压器故障诊断的精度更高.基于 SOA 优化 ELM 的变压器故障诊断的具体步骤为：1)确定 ELM 的拓
PSO优化ELM
蜀山小道士的blog
09-04 9806
data = csvread('D:\article\demo\seasonal\stl.csv'); sample = size(data,1); timespan = 6; imfindex = 3; for i = 1:(sample-timespan)     x(i,:) = data(i:i+timespan-1,imfindex)'; end y = data(timespan+1:...
智能优化算法:海鸥优化算法-附代码
Jack旭的博客
07-23 2万+
2019智能算法:海鸥优化算法-附代码 摘要：本文简单介绍智能优化算法-海鸥优化算法 1.原理 海鸥是遍布全球的海鸟，海鸥种类繁多且大小和身长各不相同。 海鸥是杂食动物，吃昆虫、鱼、爬行动物、两栖动物和蚯蚓等。 大多数海鸥的身体覆盖着白色的羽毛，经常用面包屑来吸引鱼群， 用脚发出雨水落下的声音来吸引藏在地下的蚯蚓。海鸥可以喝淡水和盐水，通过眼睛上方的一对特殊腺体，将盐从它们的体内排出。 海鸥以群居式生活，利用智慧来寻找和攻击猎物。 海鸥最重要特征是迁徙和攻击行为，迁徙是动物从一个地方到另一个地方根据季节更替
基于麻雀搜索算法的极限学习机(ELM)回归预测 -附代码
Jack旭的博客
12-12 9465
基于麻雀搜索算法的极限学习机(ELM)回归预测 摘要：本文利用麻雀搜索算法对极限学习机进行优化，并用于回归预测 1.极限学习机原理概述 典型的单隐含层前馈神经网络结构如图1 所示，由输入层、隐含层和输出层组成，输 入层与隐含层、隐含层与输出层神经元间全连接。其中，输入层有 n 个神经元，对应 n 个输入变量， 隐含层有 l个神经元；输出层有 m 个神经元 ，对应 m 个输出变量 。 为不失一般性，设输 入层与隐含层间的连接权值 w 为: KaTeX parse error: Undefined contro
粒子群算法优化bp神经网络的权值和阈值
最新发布
07-05
因此，使用优化算法来自动找到最优的权值和阈值，可以提高神经网络的性能。 粒子群算法是一种基于群体智能的优化算法，它模拟了鸟群觅食的行为。在PSO算法中，每个粒子代表一个解（即一组权值和阈值），而整个粒子...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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