ELM（extreme learning machine）

最新推荐文章于 2024-07-05 21:39:09 发布
最新推荐文章于 2024-07-05 21:39:09 发布
阅读量3.1k 收藏 3
点赞数
分类专栏： 机器学习 文章标签： 机器学习
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/xddwz/article/details/78128163
版权

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。
这里写图片描述
如图所示的单隐层ELM中，对输入的特征向量X，输入层与隐层的权值Wi1,Wi2,Wi3随机确定，不需要迭代求解，只需根据最小而成大求出隐层到输出层的权值。
未完待续

xddwz
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Elm入门实践（一）——基础篇
weixin_33737774的博客
06-12 2613
简介 Elm 是一门专注于Web前端的纯函数式语言。你可能没听说过它，但一定听说过Redux，而Redux的核心reducer就是受到了Elm的启发。 随着整个React社区往函数式方向发展，Elm作为前端函数式编程的先驱和风向标，毫无疑问是值得去学习和借鉴的。 如果你打算开始函数式编程，与其阅读零碎的文章试图弄明白那些晦涩的Monad/...
ELM与BP、RBF、PNN、GRNN比较_极限学习机_RBF_ELM和RBF_ELM
09-10
这是一份能够运行得通的代码，请放心下载，极限学习机与其他算法比较。
极限学习机ELM理论介绍
02-05
中文版，对黄广斌老师极限学习机简明的介绍，主要包括有极限学习机的定义，以及在及极限学习机中的各个参数的具体的代表的什么的理解。以及ELM的目前的研究现状
极限学习机（Extreme Learning Machine，ELM）及其Python和MATLAB实现
最新发布
qq_45441438的博客
07-05 1008
在训练过程中只需优化输出层到隐藏层的连接权重即可。self.input_weights = np.random.rand(input_size, hidden_size) # 初始化输入层到隐藏层的连接权重。self.input_weights = np.random.rand(input_size, hidden_size) # 初始化输入层到隐藏层的连接权重。self.beta = np.random.rand(hidden_size, num_classes) # 输出层到隐藏层的连接权重。
BP神经网络与ELM极限学习机的对比
鱼香土豆丝
08-24 2万+
虽然ELM极限学习机有很多的争议，但是也有他一定的优点，今天，我们采用同一组数据分别使用，BP与ELM来做回归分析，采用的是y=x1^2+x2^2的数据，做的是非线性回归。 代码如下： clear all clc %% 导入数据 load data % 随机生成训练集、测试集 k = randperm(size(input,1)); %%%返回行数，并产生随机的2000个数。 % 训
极限学习机ELM原理的简介
vendetta_gg的博客
09-21 3449
极限学习机ELM原理的简介 BY:YANG LIU 1.极限学习机的起源（ELM-extreme learning machine） 在2004年由南洋理工大学的黄广斌提出，并发表于当年的IEEE国际交互会议（IEEE International Joint Conference）中，目的是为了对反向传播算法（Backward Propagation, BP）进行改进以提升学习效率，并简化学习参数的设定。 2.什么是极限学习机 是基于前馈神经元网络（feedforward neuron network）的机
ELM极限学习机与BP神经网络两种预测方法对比
qq_46625103的博客
06-29 4789
ELM极限学习机与BP神经网络两种预测方法对比 文章目录ELM极限学习机与BP神经网络两种预测方法对比**极限学习机**ELMelmtrain函数elmpredict函数**BP神经网络** 极限学习机 ELM %% clc clear all %% a = xlsread('BP_shiwaituishinei'); %导入数据 n = randperm(size( a,1)) %产生随机数 a1 = a(n(1:800),:) %训练数据 输入集 a2 = a(n(800:end),:) %训
Clustering in extreme learning machine feature space
02-21
Extreme learning machine (ELM), used for the "generalized" single-hidden-layer feedforward networks (SLFNs), is a unified learning platform that can use a widespread type of feature mappings....
Multiple Kernel Extreme Learning Machine
02-09
多核极限学习机（Multiple Kernel Extreme Learning Machine，简称MK-ELM）是一种结合了极限学习机（Extreme Learning Machine，简称ELM）和多核学习（Multiple Kernel Learning，简称MKL）的机器学习算法。...
Parallel extreme learning machine for regression based on MapReduce
02-21
For regression problem, extreme learning machine (ELM) can get better generalization performance at a much faster learning speed. However, the enlarging volume of datasets makes regression by ELM on ...
ELM与BP、RBF、PNN、GRNN比较,rbf和bp的区别,matlab
09-10
这是一份能够运行得通的代码，请放心下载，极限学习机与其他算法比较。
elman神经网络的源代码，包括训练和仿真
02-28
elman神经网络的源代码，包括训练和仿真
Extreme Learning Machine: A New Learning Scheme of Feedforward Neural Networ.pdf
09-20
极限学习机(ELM，Extreme Learning Machine)是一种用于前向神经网络(Feedforward Neural Networks)的新型学习算法，尤其适用于单隐层前馈神经网络(SLFNs)。它旨在解决传统神经网络学习速度慢的问题，这是限制其在...
模型人的因素_第四周 详尽可能性模型（ELM）
weixin_35824806的博客
01-06 1826
现在，学科交叉越来越多，而营销学科更是，我们在进行研究的时候经常需要用到新闻传播学、经济学和心理学等相关学科的知识和理论。而详尽可能性模型正式如此，它常常被用于研究消费者的行为模式。那下面我们就来介绍什么是详尽可能性模型。一、什么是详尽可能性模型详尽可能性模型（Elaboration ikelihood Model，简称：ELM）是消费者信息处理中最有影响的理论模型。根据这一模型信息处理和态度改变...
bp神经网络误差函数_核函数与ELM、KELM
weixin_28972455的博客
12-31 3067
核函数与ELM、KELM核函数核函数是一种映射关系，用来升维，多应用于分类和聚类的算法中。能够将线性不可分的数据，通过核函数的映射关系，映射到高维的空间中，寻找能够将数据分类的超平面。ELMELM(Extreme learnIng Machine)极限学习机，是一种学习方式，应用于BP神经网络(前馈神经网络)，对BP神经网络进行了改进和优化，提升了学习效率，并省去了参数的设定。多应用于监...
所有神经网络的特点及优缺点分析总结
热门推荐
BetterBench的博客
11-03 3万+
目录1 单层感知器2 线性神经网络2.1 线性神经网络的改进--Madaline神经网络3 BP神经网络4 径向基函数网络4.1 两类径向基函数网络4.2 径向基网络与多层感知器的比较4.3 径向基函数的改进--概率神经网络4.4 径向基函数的改进--广义回归神经网络 如果不明白所有神经网络都是如何分类且他们的概念的，参考本人的另一篇博客详解 所有神经网络的关系和分类－附思维导图 1 单层感知器 （1）主要应用： 可以快速、可靠的解决线性可分的问题 注意：单层感知器并不对所有二分类问题收敛，它只对线性可分
【神经网络】粒子群优化ELM网络预测matlab源码
m0_60703264的博客
06-29 550
单层前馈神经网络(SLFN)以其良好的学习能力在许多领域得到了广泛的应用，然而传统的学习算法，如BP等固有的一些缺点，成为制约其发展的主要瓶颈，前馈神经网络大多采用梯度下降法，该方法存在以下几个方面的缺点和不足： 1、训练速度慢。由于梯度下降法需要多次迭代，从而达到修正权值和阈值的目的，因此训练过程耗时较长； 2、容易陷入局部极小值，无法到达全局最小； 3、学习率yita的选择敏感，学习率对...
extreme learning machine
03-16
极限学习机（Extreme Learning Machine，ELM）是一种新型的人工神经网络算法，它通过随机生成输入层与隐含层之间的权重和偏置，从而实现了快速的训练和高效的分类和回归。与传统的神经网络算法相比，ELM具有更快的训练速度、更高的准确率和更好的泛化能力。ELM已经在图像识别、语音识别、数据挖掘等领域得到了广泛的应用。
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