⛄一、RELM鲁棒极限学习机数据预测简介
RELM(Robust Extreme Learning Machine)是一种用于数据预测的机器学习方法。它是基于极限学习机(ELM)的一个改进版本,旨在提高模型的鲁棒性。
ELM是一种单隐层前馈神经网络,其隐层的神经元权重是随机初始化的,然后通过解析解的方式求解输出层的权重。ELM的主要优点是训练速度快,但它对输入数据的噪声和异常值敏感。
为了提高ELM的鲁棒性,RELMB采用了以下两个策略:
Bootstrap Aggregating(Bagging):通过随机抽样生成多个训练集,每个训练集都用于训练一个独立的ELM模型。最后,将多个模型的预测结果进行平均或投票,以得到最终的预测结果。
Dropout:在训练过程中,随机地将一部分神经元的输出置为零。这个过程可以看作是对模型进行了多个不同子模型的集成。
⛄二、部分源代码
clear all
clc
close all
%% 训练集/测试集产生
load spectra_data.mat
% 随机产生训练集和测试集
temp = randperm(size(NIR,1));
% 训练集——50个样本
P_train = NIR(temp(1:50)😅‘;
T_train = octane(temp(1:50)😅’;
%