期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到200篇文章
< 1 2 … 10 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于样本熵和极端学习机的超短期风电功率组合预测模型 被引量：75
1
作者 张学清 梁军 +3 位作者 张熙 张峰 张利 徐兵 《中国电机工程学报》 EI CSCD 北大核心 2013年第25期33-40,8,共8页
该文提出一种经验模态分解(empirical mode decomposition,EMD)–样本熵(sample entropy,SE)和极端学习机(extreme learning machine,ELM)相结合的风电功率超短期预测方法。该方法首先利用EMD-SE将风电功率时间序列分解为一系列复杂度... 该文提出一种经验模态分解(empirical mode decomposition,EMD)–样本熵(sample entropy,SE)和极端学习机(extreme learning machine,ELM)相结合的风电功率超短期预测方法。该方法首先利用EMD-SE将风电功率时间序列分解为一系列复杂度差异明显的风电子序列;其次利用最小二乘支持向量机(least squares support vector machine,LSSVM)、极端学习机和经原始岭回归(primal ridgeregression,PRR)改进的极端学习机(PRR-ELM)对各子序列建立组合预测模型,并采用交叉验证法和重构相空间法确定各模型的参数和输入向量维数,以提高各组合模型的预测精度;最后以某一风电场实际采集的数据为算例,结果表明基于EMD-SE理论的ELM和PRR-ELM组合预测模型在预测精度和训练速度上都明显优于EMD-SE理论和LSSVM的组合模型,且其预测结果更接近于真实值,为实现风电功率在线的较高精度超短期预测提供了可能。 展开更多
关键词 风电预测 样本熵 极端学习机 岭回归 支持向量机
下载PDF
基于优选小波包和ELM的模拟电路故障诊断 被引量：58
2
作者 何星 王宏力 +1 位作者 陆敬辉 姜伟 《仪器仪表学报》 EI CAS CSCD 北大核心 2013年第11期2614-2619,共6页
为提高模拟电路故障特征提取的有效性以及实现对故障模式的准确分类,提出了一种优选小波包和极端学习机相结合的模拟电路故障诊断新方法。为获取最优故障特征,提出了特征偏离度的概念,可作为评价小波包变换在不同小波基函数下获取的故... 为提高模拟电路故障特征提取的有效性以及实现对故障模式的准确分类,提出了一种优选小波包和极端学习机相结合的模拟电路故障诊断新方法。为获取最优故障特征,提出了特征偏离度的概念,可作为评价小波包变换在不同小波基函数下获取的故障特征的一种测度,可据此选择特征偏离度最大的小波基进行故障特征提取;在此基础上,引入极端学习机对故障进行分类识别,并将诊断结果与目前几种主要神经网络方法进行了比较。仿真实验结果表明:利用优选小波包提取的最优故障特征能够得到更高的诊断精度,而极端学习机在测试时间和诊断精度上都优于其他3种神经网络方法,能够在不到1 ms时间内实现94.44%的诊断精度,说明了所提方法在模拟电路故障诊断中的有效性。 展开更多
关键词 小波包变换 极端学习机 模拟电路 故障诊断 特征偏离度
下载PDF
基于ELM学习算法的混沌时间序列预测 被引量：41
3
作者 李彬 李贻斌 《天津大学学报》 EI CAS CSCD 北大核心 2011年第8期701-704,共4页
混沌时间序列预测问题是信号处理和自动控制领域中一个重要的研究方向,神经网络学习算法在处理这种高复杂性、强非线性的时间序列时具有很好的优势.应用一种具有良好性能的单隐层前向神经网络学习算法——极端学习机(ELM)学习算法,进行... 混沌时间序列预测问题是信号处理和自动控制领域中一个重要的研究方向,神经网络学习算法在处理这种高复杂性、强非线性的时间序列时具有很好的优势.应用一种具有良好性能的单隐层前向神经网络学习算法——极端学习机(ELM)学习算法,进行混沌时间序列问题的预测.与资源分配网络(RAN)学习算法相比,仿真结果表明ELM学习算法在具有较快学习速度的前提下,能够获得较好的预测性能,且ELM学习算法激活函数的选择具有问题依赖性. 展开更多
关键词 混沌时间序列 极端学习机 激活函数 预测
下载PDF
基于ELM和近似熵的脑电信号检测方法 被引量：36
4
作者 袁琦 周卫东 +1 位作者 李淑芳 蔡冬梅 《仪器仪表学报》 EI CAS CSCD 北大核心 2012年第3期514-519,共6页
脑电癫痫波的自动检测与分类对癫痫病情的诊断具有重要意义。提出了一种基于极端学习机(extreme learning ma-chine,ELM)和近似熵的脑电信号检测方法。首先,计算脑电信号的近似熵作为非线性特征,并与利用小波变换技术提取的线性特征波... 脑电癫痫波的自动检测与分类对癫痫病情的诊断具有重要意义。提出了一种基于极端学习机(extreme learning ma-chine,ELM)和近似熵的脑电信号检测方法。首先,计算脑电信号的近似熵作为非线性特征,并与利用小波变换技术提取的线性特征波动指数相结合,组成特征向量,然后将特征向量送入单隐层前馈神经网络,采用ELM学习算法训练网络。实验表明,与BP(backpropagation)和SVM(support vector machine)算法相比,ELM在训练时间和识别精度两方面性能最佳,对用于实验的脑电数据检测识别率达到98%以上。 展开更多
关键词 癫痫脑电 近似熵 极端学习机 反向传播算法 支持向量机
下载PDF
基于小波包能量谱和ELM的光伏逆变器多故障在线诊断 被引量：34
5
作者 姜媛媛 王友仁 +2 位作者 吴 孙权 罗慧 《仪器仪表学报》 EI CAS CSCD 北大核心 2015年第9期2145-2152,共8页
以三电平光伏逆变器为研究对象,提出一种多故障模式快速诊断新方法。首先,利用小波包分解提取出三电平逆变器的桥臂电压和上、下管电压信号的能量谱特征向量,并利用主成分分析降维后获取故障特征向量;然后,基于极端学习机诊断模型分离... 以三电平光伏逆变器为研究对象,提出一种多故障模式快速诊断新方法。首先,利用小波包分解提取出三电平逆变器的桥臂电压和上、下管电压信号的能量谱特征向量,并利用主成分分析降维后获取故障特征向量;然后,基于极端学习机诊断模型分离出单器件及多器件开路等多种故障模式。实验结果表明,相比于传统BP神经网络、最小二乘支持向量机故障诊断方法,该方法检测信号易获取,抗干扰性强,诊断速度快、精度高,减小了诊断成本和复杂性,适用于在线诊断。 展开更多
关键词 极端学习机 小波包分解 光伏逆变器 故障诊断 特征提取
下载PDF
基于谱聚类和优化极端学习机的超短期风速预测 被引量：32
6
作者 王辉 刘达 王继龙 《电网技术》 EI CSCD 北大核心 2015年第5期1307-1314,共8页
较高精度的超短期风速预测是并网运行风电场风电功率预测预报系统建立和运行的必要前提及保证。由于风速影响因素众多,具有较大的波动性和随机性,并具有高度的自相关性,给传统的风速预测方法带来了极大的挑战。提出一种基于谱聚类和极... 较高精度的超短期风速预测是并网运行风电场风电功率预测预报系统建立和运行的必要前提及保证。由于风速影响因素众多,具有较大的波动性和随机性,并具有高度的自相关性,给传统的风速预测方法带来了极大的挑战。提出一种基于谱聚类和极端学习机的超短期风速预测方法。该方法首先利用小波变换和主成分分析对风速数据进行去噪和降维处理,剔除数据的不规则波动,有效降低数据维度;然后分别应用谱聚类对小波变换后的各分解序列进行聚类分析,减少训练样本空间,提高样本有效性,降低计算复杂度;再应用极端学习机对各分解序列分别进行训练,同时通过遗传算法对极端学习机输入权值、偏置等参数进行优化,确保各分解序列输出最佳预测模型;最后将各分解序列预测结果相加得到最终预测结果。以某风电场实际数据进行的建模结果表明该模型有效实现了对风速的超短期、多步预测,采用的方法合理有效。 展开更多
关键词 超短期风速预测 谱聚类 极端学习机
下载PDF
基于PCA和PSO-ELM的煤与瓦斯突出软测量研究 被引量：31
7
作者 付华 王馨蕊 +3 位作者 王志军 王雨虹 屠乃威 徐耀松 《传感技术学报》 CAS CSCD 北大核心 2014年第12期1710-1715,共6页
针对煤与瓦斯突出预测效率和准确率不高这一问题,提出将主成分分析(PCA)法与改进的极端学习机(PSO-ELM)相结合的方法对煤与瓦斯突出进行预测。根据某煤矿地质动力区划方法,在划分活动断裂,岩体应力计算等工作基础上获取影响突出的相关数... 针对煤与瓦斯突出预测效率和准确率不高这一问题,提出将主成分分析(PCA)法与改进的极端学习机(PSO-ELM)相结合的方法对煤与瓦斯突出进行预测。根据某煤矿地质动力区划方法,在划分活动断裂,岩体应力计算等工作基础上获取影响突出的相关数据;通过主成分分析法对原始数据进行降维处理,消除变量间的线性相关性;利用粒子群算法(PSO)对极端学习机(ELM)的输入权值和隐层阈值进行优化,建立PSO-ELM预测模型,将提取的主成分作为该模型的输入,煤与瓦斯突出强度作为模型输出。实验结果表明,该方法的预测精度高、结构简化,具有较强的泛化性能力强。 展开更多
关键词 煤与瓦斯突出 软测量 主成分分析 粒子群优化算法 极端学习机
下载PDF
基于极端学习机的多变量混沌时间序列预测 被引量：29
8
作者 王新迎 韩敏 《物理学报》 SCIE EI CAS CSCD 北大核心 2012年第8期97-105,共9页
针对多变量混沌时间序列预测问题,提出了一种基于输入变量选择和极端学习机的预测模型.其基本思想是对多变量混沌时间序列进行相空间重构后,采用互信息方法选择与预测输出统计相关最高的重构输入变量,借助极端学习机的通用逼近能力建立... 针对多变量混沌时间序列预测问题,提出了一种基于输入变量选择和极端学习机的预测模型.其基本思想是对多变量混沌时间序列进行相空间重构后,采用互信息方法选择与预测输出统计相关最高的重构输入变量,借助极端学习机的通用逼近能力建立多变量混沌时间序列的预测模型.为进一步提高预测精度,采用模型选择算法选择具有最小期望风险的极端学习机预测模型.基于Lorenz,R(o|¨)ssler多变量混沌时间序列及R(o|¨)ssler超混沌时间序列的仿真结果证明所提方法的有效性. 展开更多
关键词 混沌时间序列预测 输入变量选择 极端学习机 模型选择
原文传递
采用傅里叶描述子和支持向量机的服装款式识别方法 被引量：27
9
作者 李东 万贤福 汪军 《纺织学报》 EI CAS CSCD 北大核心 2017年第5期122-127,共6页
为解决当前服装款式识别领域中,服装轮廓特征提取技术较复杂,其分类方法的效率低、适应性差等问题,提出一种新型的服装款式的识别方法。首先创建了一个服装图像样本库,并从这些服装图像中提取服装轮廓,然后使用傅里叶描述子描述服装的... 为解决当前服装款式识别领域中,服装轮廓特征提取技术较复杂,其分类方法的效率低、适应性差等问题,提出一种新型的服装款式的识别方法。首先创建了一个服装图像样本库,并从这些服装图像中提取服装轮廓,然后使用傅里叶描述子描述服装的轮廓特征,以多分类支持向量机进行分类。结果表明,该方法能够准确提取服装轮廓,傅里叶描述子的识别效果优于Hu不变矩和融合特征(Hu不变矩和傅里叶描述子);对傅里叶描述子进行主成分分析不能提高识别准确率;支持向量机的分类效果优于极端学习机;该方法能够达到95%以上的识别率,尤其对轮廓特征明显的款式有更好的识别率。 展开更多
关键词 服装款式识别 傅里叶描述子 支持向量机 HU不变矩 主成分分析 极端学习机
下载PDF
航空发动机气路部件故障融合诊断方法研究 被引量：27
10
作者 李业波 李秋红 +1 位作者 黄向华 赵永平 《航空学报》 EI CAS CSCD 北大核心 2014年第6期1612-1622,共11页
针对发动机气路部件故障,提出了一种基于模型和基于数据驱动的融合诊断方法。采用极端学习机(ELM)实现基于数据驱动的故障诊断。针对ELM随机选择输入层权值和隐含层偏置带来的缺点,采用改进微分进化(IDE)算法以训练样本的均方根误差(RM... 针对发动机气路部件故障,提出了一种基于模型和基于数据驱动的融合诊断方法。采用极端学习机(ELM)实现基于数据驱动的故障诊断。针对ELM随机选择输入层权值和隐含层偏置带来的缺点,采用改进微分进化(IDE)算法以训练样本的均方根误差(RMSE)和输出层权值的范数为评价标准对其进行优化,减少了ELM的隐含层节点数,提高了网络的泛化能力。同时,由于传感器数目的不足,采用基于奇异值分解(SVD)的Kalman(SVD-Kalman)滤波器实现基于模型的部件故障诊断。为了提高航空发动机部件故障诊断的精度,利用改进的迭代约简最小二乘支持向量回归机(IRR-LSSVR)算法对两种算法的估计结果在特征层进行定量融合。仿真结果表明,在发动机稳态状态下,与单独使用基于模型和数据驱动的诊断方法相比,采用特征层融合有效地提高了部件故障诊断的精度和准确率。 展开更多
关键词 航空发动机 极端学习机 部件故障 微分进化 KALMAN滤波器 信息融合
原文传递
冰风暴灾害下输电线路故障概率预测 被引量：25
11
作者 杨洪明 黄拉 +1 位作者 何纯芳 易德鑫 《电网技术》 EI CSCD 北大核心 2012年第4期213-218,共6页
针对冰风暴灾害下输电线路运行故障问题,提出了基于极端学习机和Copula函数的断线倒塔概率预测模型。该模型运用广义极值分布刻画冰风暴灾害下冻雨量、风速、输电线和铁塔冰、风荷载的随机特性,并通过ELM网络预测出实时变化的GEV分布的... 针对冰风暴灾害下输电线路运行故障问题,提出了基于极端学习机和Copula函数的断线倒塔概率预测模型。该模型运用广义极值分布刻画冰风暴灾害下冻雨量、风速、输电线和铁塔冰、风荷载的随机特性,并通过ELM网络预测出实时变化的GEV分布的形状参数、尺度参数和位置参数。随后考虑冰、风荷载之间的概率相关性,借助Clayton-Copula建立冰、风荷载的联合概率分布,从而实现输电线和铁塔的实时故障概率预测。结合湖南郴州电网的历史数据展开算例分析,验证了该预测方法的有效性和准确性。 展开更多
关键词 极端学习机 广义极值 Clayton—Copula函数 输电线路 故障概率 冰风暴
下载PDF
短期负荷预测的集成改进极端学习机方法 被引量：22
12
作者 程松 闫建伟 +2 位作者 赵登福 王圈 王海明 《西安交通大学学报》 EI CAS CSCD 北大核心 2009年第2期106-110,共5页
首次将极端学习机(ELM)理论引入短期负荷预测领域,并以BFGS拟牛顿法对ELM网络左侧权值进行优化训练调整,形成基于迭代-解析的改进ELM预测模型.同时,采用集成技术Boosting算法,生成多个差异度大的改进ELM子网络,对其进行加权组合,构建了... 首次将极端学习机(ELM)理论引入短期负荷预测领域,并以BFGS拟牛顿法对ELM网络左侧权值进行优化训练调整,形成基于迭代-解析的改进ELM预测模型.同时,采用集成技术Boosting算法,生成多个差异度大的改进ELM子网络,对其进行加权组合,构建了集成改进极端学习机预测模型.该模型不仅有效避免了极端学习机左侧权值随机给定的输出稳定性问题,而且克服了单一网络预测模型泛化能力较差等缺陷. 展开更多
关键词 极端学习机 短期负荷预测 训练 集成技术
下载PDF
基于代价敏感极端学习机的电力系统暂态稳定评估方法 被引量：21
13
作者 陈振 肖先勇 +2 位作者 李长松 张殷 胡清泉 《电力自动化设备》 EI CSCD 北大核心 2016年第2期118-123,共6页
针对电力系统暂态稳定评估中稳定样本与不稳定样本误分类代价不同的特点,提出一种基于代价敏感极端学习机的电力系统暂态稳定评估方法。该方法在现有极端学习机的基础上,引入误分类代价的概念,以误分类代价最小为目标,构造代价敏感极端... 针对电力系统暂态稳定评估中稳定样本与不稳定样本误分类代价不同的特点,提出一种基于代价敏感极端学习机的电力系统暂态稳定评估方法。该方法在现有极端学习机的基础上,引入误分类代价的概念,以误分类代价最小为目标,构造代价敏感极端学习机,克服了现有极端学习机应用于暂态稳定评估时只追求高的分类准确率而忽略不稳定样本漏报率的缺点。新英格兰39节点系统和IEEE 145节点系统的仿真结果表明,所提方法的评估结果更倾向于将样本划分为误分类代价大的不稳定样本,以减小总的误分类代价。通过调整误分类代价矩阵,不仅可以使漏报率降为0,还能使稳定样本的误报率维持在较低的水平,保证了评估结果的可靠性。 展开更多
关键词 电力系统 暂态稳定 评估 极端学习机 误分类代价 漏报率 稳定性
下载PDF
基于核主元分析和极端学习机的轴承故障诊断方法 被引量：21
14
作者 张兰芳 张朝龙 纪娟娟 《电子测量与仪器学报》 CSCD 北大核心 2018年第2期23-29,共7页
针对轴承故障诊断问题,提出了一种基于核主元分析和极端学习机的轴承故障识别方法。首先应用小波分析的方法计算轴承时域信号的小波系数能量作为原始特征,然后应用核主元分析方法对高维的原始特征进行优选和降维,最后将优选和降维后的... 针对轴承故障诊断问题,提出了一种基于核主元分析和极端学习机的轴承故障识别方法。首先应用小波分析的方法计算轴承时域信号的小波系数能量作为原始特征,然后应用核主元分析方法对高维的原始特征进行优选和降维,最后将优选和降维后的特征应用极端学习机方法建立故障诊断模型,从而区分各类轴承故障。SKF6205滚动轴承故障诊断实验结果表明,核主元分析方法能较好地获取故障响应信号的本质特征,并可直观地描述出了各个故障的低维分布特征,可有效提高轴承故障的诊断正确率。 展开更多
关键词 轴承 故障诊断 小波分析 核主元分析 极端学习机
下载PDF
基于关联维数与极端学习机的高压输电线路雷击过电压故障识别 被引量：20
15
作者 缪希仁 林瑞聪 《高电压技术》 EI CAS CSCD 北大核心 2016年第5期1519-1526,共8页
雷击造成输电线路跳闸是高压输电线路的主要故障。目前,雷击过电压故障主要采用行波技术加以雷击定位及数据记录,尚缺乏对雷击故障较为有效的智能处理技术。采用ATP-EMTP对雷击过电压的反击与绕击故障加以有效仿真,研究采用经验模态分解... 雷击造成输电线路跳闸是高压输电线路的主要故障。目前,雷击过电压故障主要采用行波技术加以雷击定位及数据记录,尚缺乏对雷击故障较为有效的智能处理技术。采用ATP-EMTP对雷击过电压的反击与绕击故障加以有效仿真,研究采用经验模态分解(empirical mode decomposition,EMD)与分形理论关联维数相结合的方法进行雷击过电压故障信号故障分析及其特征量提取,运用方差贡献率确定前4阶本征模函数(intrinsic mode function,IMF)分量用于体现故障过电压的主要特征信息。最后,引入极端学习机(extreme learning machine,ELM)建立高压输电线路雷击过电压故障的诊断与识别模型。仿真表明,在经验模态分解与关联维数相结合的高压输电线路雷击过电压故障特征提取的基础上,对击中杆塔、避雷线与三相输电线路的雷击过电压故障分别采用极端学习机实现了有效的识别。 展开更多
关键词 雷击过电压 经验模态分解 关联维数 方差贡献率 极端学习机 故障识别
下载PDF
基于EMD和ELM的低压电弧故障识别方法的研究 被引量：19
16
作者 张丽萍 缪希仁 石敦义 《电机与控制学报》 EI CSCD 北大核心 2016年第9期54-60,共7页
针对低压配电线路负载端电弧故障电压具有较强的信号奇异性波形特征,利用低压串联电弧故障实验平台,采集若干典型的低压配电线路负载端故障电弧电压信号进行分析。采用经验模态分解(empirical mode decomposition,EMD)有效地提取反映电... 针对低压配电线路负载端电弧故障电压具有较强的信号奇异性波形特征,利用低压串联电弧故障实验平台,采集若干典型的低压配电线路负载端故障电弧电压信号进行分析。采用经验模态分解(empirical mode decomposition,EMD)有效地提取反映电弧故障信号局部特性的本征模态函数(intrinsic mode function,IMF)分量,经分析IMF分量的方差贡献率确定前5阶IMF用于表征各类负载电弧故障主要特征信息,提取前5阶IMF分量能量比为特征向量作为极端学习机(extreme learning machine,ELM)的输入向量,建立不同负载电弧故障识别模型。实验与仿真结果表明,基于EMD分解和ELM相结合的故障电弧诊断方法,在有效提取不同负载电弧故障特征的基础上,实现了不同负载电弧故障的识别。 展开更多
关键词 故障电弧 经验模态分解 本征模态函数 极端学习机
下载PDF
航空发动机传感器故障与部件故障诊断技术 被引量：19
17
作者 李业波 李秋红 +1 位作者 黄向华 赵永平 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2013年第9期1174-1180,共7页
结合局部学习思想与集成学习技术,提出了一种基于支持向量机-极端学习机-卡尔曼滤波器(SVM-ELM-KF,Support Vector Machine-Extreme Learning Machine-Kalman Filter)的航空发动机传感器故障与突发性部件故障诊断的方法.将改进的迭代约... 结合局部学习思想与集成学习技术,提出了一种基于支持向量机-极端学习机-卡尔曼滤波器(SVM-ELM-KF,Support Vector Machine-Extreme Learning Machine-Kalman Filter)的航空发动机传感器故障与突发性部件故障诊断的方法.将改进的迭代约简最小二乘支持向量回归机训练技术推广到分类机中,用于区分传感器故障与部件故障,使得该分类机具有一定的稀疏性.对于传感器故障,利用ELM分类机对故障进行定位.对于部件故障,利用改进的卡尔曼滤波器对发动机各部件的健康参数进行估计,从而对部件故障进行定位.仿真结果表明,提出的故障诊断方法能够准确地区分传感器故障和部件故障,实现故障的有效定位,验证了方法的可行性. 展开更多
关键词 航空发动机 传感器故障 部件故障 支持向量机 极端学习机 卡尔曼滤 波器
下载PDF
低压系统多层级短路电流早期检测与预测 被引量：19
18
作者 缪希仁 吴晓梅 《电工技术学报》 EI CSCD 北大核心 2014年第11期177-183,共7页
从电源侧向终端侧的全范围延伸是当前选择性保护的技术方向。针对现阶段低压系统短路故障选择性保护的局限性,提出多层级全范围选择性协调保护系统技术概念,阐述实现新型全选择性协调保护的系统架构及其关键技术。在建立低压系统多层级... 从电源侧向终端侧的全范围延伸是当前选择性保护的技术方向。针对现阶段低压系统短路故障选择性保护的局限性,提出多层级全范围选择性协调保护系统技术概念,阐述实现新型全选择性协调保护的系统架构及其关键技术。在建立低压系统多层级单相短路故障实型实验系统及其仿真模型的基础上,分析全相角范围短路故障电流波形,阐述小波变换实现短路故障早期检测原理及其技术实现,并引入极端学习机研究短路故障早期辨识的电流峰值预测方法。仿真与实验验证了短路电流早期检测及其峰值预测的有效性,为低压系统多层级短路故障全选择性协调保护奠定理论基础。 展开更多
关键词 低压系统 短路故障 多层级选择性保护 峰值预测 极端学习机
下载PDF
基于替代函数及贝叶斯框架的1范数ELM算法 被引量：19
19
作者 韩敏 李德才 《自动化学报》 EI CSCD 北大核心 2011年第11期1344-1350,共7页
针对极端学习机(Extreme learning machine,ELM)算法的不适定问题和模型规模控制问题,本文提出基于1范数正则项的改进型ELM算法.通过在二次损失函数基础上引入1范数正则项以控制模型规模,改善ELM的泛化能力.此外,为简化1范数正则化方法... 针对极端学习机(Extreme learning machine,ELM)算法的不适定问题和模型规模控制问题,本文提出基于1范数正则项的改进型ELM算法.通过在二次损失函数基础上引入1范数正则项以控制模型规模,改善ELM的泛化能力.此外,为简化1范数正则化方法的求解过程,利用边际优化方法,构建适当的替代函数,以便于采用贝叶斯方法代替计算复杂的交叉检验方法,并实现正则化参数的自适应估计.仿真结果表明,本文所提算法能够有效简化模型结构,并保持较高的预测精度. 展开更多
关键词 1范数正则化 极端学习机 替代函数 贝叶斯方法
下载PDF
具有选择与遗忘机制的极端学习机在时间序列预测中的应用 被引量：17
20
作者 张弦 王宏力 《物理学报》 SCIE EI CAS CSCD 北大核心 2011年第8期68-74,共7页
针对训练样本贯序输入时的极端学习机(ELM)训练问题,提出一种具有选择与遗忘机制的极端学习机(SF-ELM),并研究了其在混沌时间序列预测中的应用.SF-ELM以逐次增加新训练样本的方式实现在线训练,通过引入遗忘因子以减弱旧训练样本的影响,... 针对训练样本贯序输入时的极端学习机(ELM)训练问题,提出一种具有选择与遗忘机制的极端学习机(SF-ELM),并研究了其在混沌时间序列预测中的应用.SF-ELM以逐次增加新训练样本的方式实现在线训练,通过引入遗忘因子以减弱旧训练样本的影响,同时以泛化能力为判断依据,对其输出权值进行选择性递推更新.混沌时间序列在线预测实例表明,SF-ELM是一种有效的ELM在线训练模式.相比于在线贯序极端学习机,SF-ELM具有更快的在线训练速度和更高的在线预测精度,因此更适于混沌时间序列在线预测. 展开更多
关键词 混沌时间序列 时间序列预测 神经网络 极端学习机
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 10 下一页 到第 页
使用帮助 返回顶部