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3,178篇文章
< 1 2 … 159 >
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：
神经网络极速学习方法研究 被引量：162
1
作者 邓万宇 郑庆华 +1 位作者 陈琳 许学斌 《计算机学报》 EI CSCD 北大核心 2010年第2期279-287,共9页
单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network,SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用,但传统学习方法的速度远远不能满足实际的需要,成为制约其发展的主要瓶颈.产生这种情况的两个... 单隐藏层前馈神经网络(Single-hidden Layer Feedforward Neural Network,SLFN)已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用,但传统学习方法的速度远远不能满足实际的需要,成为制约其发展的主要瓶颈.产生这种情况的两个主要原因是:(1)传统的误差反向传播方法(Back Propagation,BP)主要基于梯度下降的思想,需要多次迭代;(2)网络的所有参数都需要在训练过程中迭代确定.因此算法的计算量和搜索空间很大.针对以上问题,借鉴ELM的一次学习思想并基于结构风险最小化理论提出一种快速学习方法(RELM),避免了多次迭代和局部最小值,具有良好的泛化性、鲁棒性与可控性.实验表明RELM综合性能优于ELM、BP和SVM. 展开更多
关键词 极速学习机 正则极速学习机 支持向量机 结构风险 神经网络 最小二乘
下载PDF
极限学习机前沿进展与趋势 被引量：108
2
作者 徐睿 梁循 +2 位作者 齐金山 李志宇 张树森 《计算机学报》 EI CSCD 北大核心 2019年第7期1640-1670,共31页
极限学习机(Extreme Learning Machine,ELM)作为前馈神经网络学习中一种全新的训练框架,在行为识别、情感识别和故障诊断等方面被广泛应用,引起了各个领域的高度关注和深入研究.ELM最初是针对单隐层前馈神经网络的学习速度而提出的,之... 极限学习机(Extreme Learning Machine,ELM)作为前馈神经网络学习中一种全新的训练框架,在行为识别、情感识别和故障诊断等方面被广泛应用,引起了各个领域的高度关注和深入研究.ELM最初是针对单隐层前馈神经网络的学习速度而提出的,之后又被众多学者扩展到多隐层前馈神经网络中.该算法的核心思想是随机选取网络的输入权值和隐层偏置,在训练过程中保持不变,仅需要优化隐层神经元个数.网络的输出权值则是通过最小化平方损失函数,来求解Moore - Penrose广义逆运算得到最小范数最小二乘解.相比于其它传统的基于梯度的前馈神经网络学习算法,ELM具有实现简单,学习速度极快和人为干预较少等显著优势,已成为当前人工智能领域最热门的研究方向之一.ELM的学习理论表明,当隐层神经元的学习参数独立于训练样本随机生成,只要前馈神经网络的激活函数是非线性分段连续的,就可以逼近任意连续目标函数或分类任务中的任何复杂决策边界.近年来,随机神经元也逐步在越来越多的深度学习中使用,而ELM可以为其提供使用的理论基础.本文首先概述了ELM的发展历程,接着详细阐述了ELM的工作原理.然后对ELM理论和应用的最新研究进展进行了归纳总结,着重讨论并分析了自ELM提出以来的主要学习算法和模型,包括提出的原因、核心思想、求解方法、各自的优缺点以及相关问题.最后,针对当前的研究现状,指出了ELM存在的争议、问题和挑战,并对未来的研究方向和发展趋势进行了展望。 展开更多
关键词 极限学习机 网络结构 正则化 核学习 深度学习 在线学习 并行计算
下载PDF
基于云计算和极限学习机的分布式电力负荷预测算法 被引量：76
3
作者 王保义 赵硕 张少敏 《电网技术》 EI CSCD 北大核心 2014年第2期526-531,共6页
为了提高电力负荷预测精度,应对电力系统智能化所带来的数据海量化高维化带来的单机计算资源不足的挑战,提出了一种在线序列优化的极限学习机短期电力负荷预测模型。针对电力负荷数据特性,对极限学习机预测算法进行在线序列优化;引入分... 为了提高电力负荷预测精度,应对电力系统智能化所带来的数据海量化高维化带来的单机计算资源不足的挑战,提出了一种在线序列优化的极限学习机短期电力负荷预测模型。针对电力负荷数据特性,对极限学习机预测算法进行在线序列优化;引入分布式和multi-agent思想,提升负荷预测算法预测准确率;采用云计算的MapReduce编程框架对提出的算法模型进行并行化改进,提高其处理海量高维数据的能力。选用EUNITE提供的真实电力负荷数据进行算例分析,在32节点云计算集群上进行实验,结果表明基于该模型的负荷预测精度均优于传统支持向量回归预测算法和泛化神经网络预测算法,且提出的算法具有优异的并行性能。 展开更多
关键词 云计算 负荷预测 极限学习机 在线序列优化
下载PDF
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
4
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
利用近红外高光谱图像技术快速鉴别西瓜种子品种 被引量：74
5
作者 张初 刘飞 +2 位作者 孔汶汶 章海亮 何勇 《农业工程学报》 EI CAS CSCD 北大核心 2013年第20期270-277,共8页
为了研究采用近红外高光谱图像技术对西瓜种子品种快速无损鉴别的可行性,该文采用近红外高光谱图像技术,通过提取西瓜种子的光谱反射率,结合Savitzky-Golay(SG)平滑算法,经验模态分解算法(empirical mode decomposition,EMD)和小波分析(... 为了研究采用近红外高光谱图像技术对西瓜种子品种快速无损鉴别的可行性,该文采用近红外高光谱图像技术,通过提取西瓜种子的光谱反射率,结合Savitzky-Golay(SG)平滑算法,经验模态分解算法(empirical mode decomposition,EMD)和小波分析(wavelet transform,WT)对提取出的光谱数据进行去除噪声处理,采用连续投影算法(successive projections algorithm,SPA)和遗传-偏最小二乘法(genetic algorithm-partial least squares,GA-PLS)进行特征波长选择。基于全波段光谱建立了偏最小二乘判别分析(partial least squares–discriminant analysis,PLS-DA),基于特征波长建立了反向传播神经网络(back-propagation neural network,BP NN)判别模型和极限学习机(extreme learning machine,ELM)判别模型。试验结果表明,基于特征波长的BPNN模型和ELM模型的结果优于基于全部波长的PLS-DA模型,基于SG预处理光谱提取的特征波长建立的ELM模型取得最优的判别效果,建模集和预测集的判别正确率均为100%。结果表明应用近红外高光谱成像技术对西瓜种子品种鉴别是可行的,为西瓜种子的品种快速鉴别提供了一种新方法。 展开更多
关键词 近红外光谱 遗传算法 图像处理 西瓜种子 连续投影算法 极限学习机
下载PDF
一种基于粒子群优化的极限学习机 被引量：72
6
作者 王杰 毕浩洋 《郑州大学学报（理学版）》 CAS 北大核心 2013年第1期100-104,共5页
极限学习机(ELM)是一种新型的前馈神经网络,相比于传统的单隐含层前馈神经网络(SLFN),ELM具有速度快、误差小的优点.由于随机给定输入权值和偏差,ELM通常需要较多隐含层节点才能达到理想精度.粒子群极限学习机算法为使用粒子群算法(part... 极限学习机(ELM)是一种新型的前馈神经网络,相比于传统的单隐含层前馈神经网络(SLFN),ELM具有速度快、误差小的优点.由于随机给定输入权值和偏差,ELM通常需要较多隐含层节点才能达到理想精度.粒子群极限学习机算法为使用粒子群算法(particle swarm optimization,PSO)选择最优的输入权值矩阵和隐含层偏差,从而计算出输出权值矩阵.一维Sinc函数拟合实验表明,相比于ELM算法和传统神经网络算法,粒子群极限学习机算法依靠较少的隐含层节点能够获得较高精度. 展开更多
关键词 粒子群 极限学习机 隐含层节点
下载PDF
基于极限学习机的变压器故障诊断方法研究 被引量：63
7
作者 苑津莎 张利伟 +1 位作者 王瑜 尚海昆 《电测与仪表》 北大核心 2013年第12期21-26,共6页
针对基于传统智能学习方法的变压器故障诊断存在训练速度慢、需调整的参数多及参数确定困难的问题,提出了基于极限学习机(Extreme Learning Machine,ELM)的变压器故障诊断方法。文中根据变压器故障的特点选取输入特征向量,分析了激活函... 针对基于传统智能学习方法的变压器故障诊断存在训练速度慢、需调整的参数多及参数确定困难的问题,提出了基于极限学习机(Extreme Learning Machine,ELM)的变压器故障诊断方法。文中根据变压器故障的特点选取输入特征向量,分析了激活函数、隐含层节点数目对诊断性能的影响,并与基于BP神经网络和SVM的诊断方法进行了对比。实验结果表明,文中提出的变压器故障诊断方法性能明显优于BP神经网络,与SVM的诊断正确率相当,需要预先设置的参数更少,训练速度更快,更加便于工程应用。 展开更多
关键词 变压器 故障诊断 极限学习机 ELM神经网络 激活函数
下载PDF
基于改进BP-SVM-ELM与粒子化SOM-LSF的微电网光伏发电组合预测方法 被引量：56
8
作者 单英浩 付青 +1 位作者 耿炫 朱昌亚 《中国电机工程学报》 EI CSCD 北大核心 2016年第12期3334-3342,共9页
针对微电网中光伏发电短期预测难度大的问题,从新的空间角度提出一种直接考虑微电源间能量关系的组合预测方法。使用思维进化算法优化BP神经网络、粒子群算法优化支持向量机和基于单隐层前馈网络极限学习机分别进行预测,方差-协方差权... 针对微电网中光伏发电短期预测难度大的问题,从新的空间角度提出一种直接考虑微电源间能量关系的组合预测方法。使用思维进化算法优化BP神经网络、粒子群算法优化支持向量机和基于单隐层前馈网络极限学习机分别进行预测,方差-协方差权值动态分配法来组合预测结果。并对单天预测和滚动预测,提出一种粒子化自组织特征映射网络相似日聚类,结合最小二乘法拟合等权平均输出的综合预测体系。实际实验表明,该方法具有互补性强、灵活度好和准确性高等优点,可为微电网优化调度提供技术参考。 展开更多
关键词 分布式能源 微电网 组合预测 思维进化算法 粒子群算法 极限学习机 自组织特征映射网络
下载PDF
基于改进极限学习机的短期电力负荷预测方法 被引量：54
9
作者 毛力 王运涛 +1 位作者 刘兴阳 李朝锋 《电力系统保护与控制》 EI CSCD 北大核心 2012年第20期140-144,共5页
为了提高电力系统短期负荷预测精度,提出一种基于改进极限学习机(MELM)的短期电力负荷预测模型。引入基于结构风险最小化理论,并结合最小二乘向量机回归学习方法,以克服传统极限学习机(ELM)在短期负荷预测中存在的过拟合问题。某地区用... 为了提高电力系统短期负荷预测精度,提出一种基于改进极限学习机(MELM)的短期电力负荷预测模型。引入基于结构风险最小化理论,并结合最小二乘向量机回归学习方法,以克服传统极限学习机(ELM)在短期负荷预测中存在的过拟合问题。某地区用电负荷预测结果表明,改进模型的泛化性与预测精度均优于传统ELM和OS-ELM模型,可为短期电力负荷预测提供有效依据,具有一定的实用性。 展开更多
关键词 短期负荷预测 极限学习机 结构风险 最小二乘支持向量机
下载PDF
采用优化极限学习机的多变量混沌时间序列预测 被引量：55
10
作者 高光勇 蒋国平 《物理学报》 SCIE EI CAS CSCD 北大核心 2012年第4期37-45,共9页
基于优化极限学习机理论,提出一种多变量混沌时间序列预测方法.该方法利用复合混沌和混沌变尺度算法对极限学习机的模型参数进行搜索和优化,以提高极限学习机的泛化性能;然后利用优化后的极限学习机对Rossler耦合系统的多变量混沌时序... 基于优化极限学习机理论,提出一种多变量混沌时间序列预测方法.该方法利用复合混沌和混沌变尺度算法对极限学习机的模型参数进行搜索和优化,以提高极限学习机的泛化性能;然后利用优化后的极限学习机对Rossler耦合系统的多变量混沌时序进行一步和多步预测,并且与同类算法进行了比较,结果表明了该方法的有效性,且算法具有较强的抗噪能力;最后讨论了预测结果和隐层神经元数目的关系. 展开更多
关键词 极限学习机 多变量时间序列 混沌序列预测 复合混沌优化
原文传递
基于极限学习机的参考作物蒸散量预测模型 被引量：54
11
作者 冯禹 崔宁博 +2 位作者 龚道枝 魏新平 王君勤 《农业工程学报》 EI CAS CSCD 北大核心 2015年第S1期153-160,共8页
为实现气象资料缺乏情况下参考作物蒸散量(reference crop evapotranspiration,ET0)高精度预测,以气象因子的不同组合为输入参数,利用FAO-56 Penman-Monteith公式计算的ET0作为预测标准值建立基于极限学习机(extreme learning machine,E... 为实现气象资料缺乏情况下参考作物蒸散量(reference crop evapotranspiration,ET0)高精度预测,以气象因子的不同组合为输入参数,利用FAO-56 Penman-Monteith公式计算的ET0作为预测标准值建立基于极限学习机(extreme learning machine,ELM)的ET0预测模型。选取川中丘陵区7个气象站点1963-2012年逐日气象资料进行模型训练与测试,并将模拟结果同Hargreaves、Priestley-Taylor、Makkink及Irmark-Allen等4种常用模型进行对比。结果表明:ELM模型能很好地反映气象因子同ET0间复杂的非线性关系,且模拟精度较高;基于最高和最低温度的ELM模型模拟精度(均方根误差和模型效率系数分别为0.504 mm/d和0.827)高于Hargreaves模型(均方根误差和模型有效系数分别为0.692 mm/d和0.741);基于最高、最低温度和辐射的ELM模型模拟精度(均方根误差和模型有效系数分别为0.291 mm/d和0.938)明显高于Priestley-Taylor(均方根误差和模型有效系数分别为0.467 mm/d和0.823)、Makkink(均方根误差和模型有效系数分别为0.540 mm/d和0.800)和Irmark-Allen模型(均方根误差和模型有效系数分别为0.880 mm/d和0.623)。因此基于最高、最低温度和辐射的ELM模型可以作为气象资料缺乏情况下川中丘陵区ET0计算的推荐模型。该研究可为川中丘陵区气象资料缺乏情境下ET0精确计算提供科学依据。 展开更多
关键词 蒸散 模型 作物 极限学习机 参考作物蒸散量 预测模型 川中丘陵区
下载PDF
基于核函数极限学习机的微电网短期负荷预测方法 被引量：50
12
作者 刘念 张清鑫 刘海涛 《电工技术学报》 EI CSCD 北大核心 2015年第8期218-224,共7页
针对以单个或集体用户为业主的用户侧小容量微电网,考虑到成本约束及用电特征的不确定性,提出了一种基于核函数极限学习机的微电网短期负荷预测方法。使用核函数极限学习机、启发式遗传算法和分时训练样本,建立了包含离线参数寻优与在... 针对以单个或集体用户为业主的用户侧小容量微电网,考虑到成本约束及用电特征的不确定性,提出了一种基于核函数极限学习机的微电网短期负荷预测方法。使用核函数极限学习机、启发式遗传算法和分时训练样本,建立了包含离线参数寻优与在线负荷预测的预测模型;通过模型参数的周期更新来保证算法最优参数的时效性,同时降低在线预测系统的计算复杂度与历史数据存储量。通过对不同容量、类型的用户侧微电网进行短期负荷预测,分析了预测结果的准确度、参数周期更新的效果、预测结果对经济运行的影响和预测方法的计算效率。 展开更多
关键词 微电网 短期负荷预测 极限学习机 周期更新
下载PDF
基于核主成分分析和极限学习机的短期电力负荷预测 被引量：47
13
作者 董浩 李明星 +3 位作者 张淑清 韩立强 李军锋 宿新爽 《电子测量与仪器学报》 CSCD 北大核心 2018年第1期188-193,共6页
电力负荷预测的影响因素很多,需要综合考虑多个指标。各种指标间的关系通常是非线性的,采用线性主成分分析(PCA)往往会出现各主成分的贡献率太过分散,找不到具有全面综合能力的成分的情况。核主成分分析(KPCA)作为非线性主成分评价模型... 电力负荷预测的影响因素很多,需要综合考虑多个指标。各种指标间的关系通常是非线性的,采用线性主成分分析(PCA)往往会出现各主成分的贡献率太过分散,找不到具有全面综合能力的成分的情况。核主成分分析(KPCA)作为非线性主成分评价模型,通过核技巧,规避了非线性主成分分析(NLPCA)中非线性变换的未确知性,获得的主成分的贡献率比较集中,得到的评价结果更符合客观事实。采用KPCA来改进极限学习机(ELM)神经网络的输入量,兼顾了各个指标间非线性关系,以保留大部分原始信息为前提,有效的降低了输入维数,以极限学习机为预测模型,对实际电网中的负荷数据进行预测分析,结果表明,KPCA-ELM方法有效地提高了预测精度。 展开更多
关键词 短期负荷预测 多变量天气因子 核主成分分析 极限学习机
下载PDF
基于WOA-ELM模型的中国碳排放预测研究 被引量：46
14
作者 王珂珂 牛东晓 +2 位作者 甄皓 孙丽洁 许晓敏 《生态经济》 北大核心 2020年第8期20-27,共8页
为判断中国是否能够实现2030年碳排放强度下降60%~65%的承诺,以及碳排放总量是否能够在2030年达到峰值,论文构建了一个基于鲸鱼优化算法改进的极限学习机模型,对2019-2040年的碳排放量和碳排放强度进行预测。首先基于STIRPAT模型筛选中... 为判断中国是否能够实现2030年碳排放强度下降60%~65%的承诺,以及碳排放总量是否能够在2030年达到峰值,论文构建了一个基于鲸鱼优化算法改进的极限学习机模型,对2019-2040年的碳排放量和碳排放强度进行预测。首先基于STIRPAT模型筛选中国碳排放影响因素,将其作为碳排放预测模型的输入因素集,而后运用鲸鱼算法优化极限学习机的参数,克服极限学习机易陷入局部最优解的缺点,最后运用该组合模型对中国未来的碳排放进行预测。通过与ELM、BPNN模型的预测结果和误差指标进行对比,证实论文提出的碳排放预测模型的精度更高,能够更为准确地反映中国未来的碳排放趋势。 展开更多
关键词 碳排放 STIRPAT模型 鲸鱼优化算法 极限学习机
下载PDF
面向微型能源互联网接入的交直流配电网协同优化调度策略 被引量：45
15
作者 郑重 苗世洪 +2 位作者 李超 张迪 韩佶 《电工技术学报》 EI CSCD 北大核心 2022年第1期192-207,共16页
分布式电源通过微型能源互联网(简称微能网)的方式接入配电网可以充分发挥微能网多能耦合互补的特点,促进可再生能源消纳。该文充分考虑交直流配电网和微能网的技术优势及交互影响,研究了计及动态网络重构和多能源协同的交直流配电网优... 分布式电源通过微型能源互联网(简称微能网)的方式接入配电网可以充分发挥微能网多能耦合互补的特点,促进可再生能源消纳。该文充分考虑交直流配电网和微能网的技术优势及交互影响,研究了计及动态网络重构和多能源协同的交直流配电网优化调度策略。首先,根据含微能网的交直流配电网系统结构和调度模型特点,研究以配电网节点边际电价和微能网购/售电功率为交互变量的协调运行机制;其次,以交直流配电网和微能网运行成本最低为目标,充分考虑网络运行约束和网络间交互耦合约束,建立交直流配电网协调调度模型;再次,在混合整数二阶锥规划模型的节点边际电价推导基础上,提出基于极限学习机耦合交互的模型快速求解方法;最后,在含微能网的改进IEEE 33节点交直流配电网开展了算例分析。仿真结果表明,所提调度架构能充分降低网络运行成本,促进微能网和交直流配电网间信息交互,同时该文所提求解技术能够在确保计算精度的前提下极大地提高求解效率。 展开更多
关键词 交直流配电网 微型能源互联网 协同优化调度 动态网络重构 极限学习机
下载PDF
混沌序列WA-ELM耦合模型在滑坡位移预测中的应用 被引量：42
16
作者 周超 殷坤龙 黄发明 《岩土力学》 EI CAS CSCD 北大核心 2015年第9期2674-2680,共7页
针对滑坡位移序列的混沌特性和传统时间序列预测模型的不足,提出了一种基于混沌时间序列的小波分解-极限学习机(WA-ELM)滑坡位移预测模型。该模型以滑坡位移序列混沌特性分析为基础,应用小波分析将位移序列分解为具有不同频率特征的分量... 针对滑坡位移序列的混沌特性和传统时间序列预测模型的不足,提出了一种基于混沌时间序列的小波分解-极限学习机(WA-ELM)滑坡位移预测模型。该模型以滑坡位移序列混沌特性分析为基础,应用小波分析将位移序列分解为具有不同频率特征的分量,对各特征分量分别进行相空间重构并应用极限学习机进行预测,最后将各特征分量预测值叠加,得到原始位移序列的预测值。以三峡库区八字门滑坡为例,并与小波分析-支持向量机(WA-SVM)以及单独ELM模型进行对比研究。结果表明,基于混沌时间序列的WA-ELM模型预测精度较高且具有较好的通用性与稳定性,是一种有效的滑坡位移预测方法。 展开更多
关键词 极限学习机 混沌时间序列 小波分析 相空间重构 滑坡位移
下载PDF
基于输出不一致测度的极限学习机集成的基因表达数据分类 被引量：41
17
作者 陆慧娟 安春霖 +2 位作者 马小平 郑恩辉 杨小兵 《计算机学报》 EI CSCD 北大核心 2013年第2期341-348,共8页
选择性集成学习已经成为分析基因表达数据、获取生物学信息的有力工具.为了更好地挖掘基因表达数据,利用极限学习机的集成,克服单个ELM用于数据分类时性能欠稳定的缺点,文中提出了一种基于输出不一致测度的ELM相异性集成算法(D-D-ELM).... 选择性集成学习已经成为分析基因表达数据、获取生物学信息的有力工具.为了更好地挖掘基因表达数据,利用极限学习机的集成,克服单个ELM用于数据分类时性能欠稳定的缺点,文中提出了一种基于输出不一致测度的ELM相异性集成算法(D-D-ELM).算法首先以输出不一致测度为标准对多个ELM模型进行相异性判断,其次根据ELM的平均分类精度剔除掉相应的模型,最后对筛选后的分类模型用多数投票法进行集成.算法被运用到Breast、Leukemia、Colon、Heart基因表达数据上,并通过理论和实验得到验证.实验结果的统计学分析表明D-D-ELM能够以更少的模型数量达到较稳定的分类精度. 展开更多
关键词 极限学习机 基因表达数据 集成算法 输出不一致测度 分类
下载PDF
基于ELM学习算法的混沌时间序列预测 被引量：41
18
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
智能交通信息物理融合云控制系统 被引量：40
19
作者 夏元清 闫策 +1 位作者 王笑京 宋向辉 《自动化学报》 EI CSCD 北大核心 2019年第1期132-142,共11页
针对现代智能交通信息物理融合路网建设中的对象种类复杂、采集数据量大、传输及计算需求高以及实时调度控制能力弱等问题,基于云控制系统理论,以现代智能交通控制网络为研究对象,设计了智能交通信息物理融合云控制系统方案,包括智能交... 针对现代智能交通信息物理融合路网建设中的对象种类复杂、采集数据量大、传输及计算需求高以及实时调度控制能力弱等问题,基于云控制系统理论,以现代智能交通控制网络为研究对象,设计了智能交通信息物理融合云控制系统方案,包括智能交通边缘控制技术和智能交通网络虚拟化技术.基于智能交通流大数据,在云控制管理中心服务器上利用深度学习和超限学习机等智能学习方法对采集的交通流数据进行训练预测计算,能够预测城市道路的短时交通流和拥堵状况.进一步在云端利用智能优化调度算法得到实时的交通流调控策略,用于解决拥堵路段交通流分配难题,提高智能交通控制系统动态运行性能.仿真结果表明了本文方法的有效性. 展开更多
关键词 智能交通云控制系统 深度学习 超限学习 信息物理融合系统
下载PDF
极限学习机与支持向量机在储层渗透率预测中的对比研究 被引量：37
20
作者 潘华贤 程国建 蔡磊 《计算机工程与科学》 CSCD 北大核心 2010年第2期131-134,共4页
极限学习机ELM是一种简单易用、有效的单隐层前馈神经网络SLFNs学习算法。传统的神经网络学习算法(如BP算法)需要人为设置大量的网络训练参数,并且很容易产生局部最优解。极限学习机只需要设置网络的隐层节点个数,在算法执行过程中不需... 极限学习机ELM是一种简单易用、有效的单隐层前馈神经网络SLFNs学习算法。传统的神经网络学习算法(如BP算法)需要人为设置大量的网络训练参数,并且很容易产生局部最优解。极限学习机只需要设置网络的隐层节点个数,在算法执行过程中不需要调整网络的输入权值以及隐元的偏置,并且产生唯一的最优解,因此具有学习速度快且泛化性能好的优点。本文将极限学习机引入到储层渗透率的预测中,通过对比支持向量机,分析其在储层渗透率预测中的可行性和优势。实验结果表明,极限学习机与支持向量机有近似的预测精度,但在参数选择以及学习速度上极限学习机具有明显的优势。 展开更多
关键词 极限学习机 前馈神经网络 渗透率 支持向量机 预测模型
下载PDF
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 … 159 下一页 到第 页
使用帮助 返回顶部