极端学习机相关论文
极端学习机作为最具代表性的前馈神经网络之一，具有网络参数少，无需迭代，学习速度快等优点。但由于其单隐层的网络结构过于简单，使得极......
纹理分类是计算机视觉和模式识别领域的一个重要研究内容,其中,纹理特征提取,以及如何构建一种快速稳定的分类器是算法的关键,本文......
学位
基于机器学习的图像检索技术,一直都是机器视觉领域里研究的热门技术。应用该技术的关键和难点在于:图像特征的有效选择与提取,如......
风电出力具有波动性和间歇性,大规模风电接入系统会对电网的电能质量带来不良影响,对电网的安全、稳定运行带来严峻挑战,精确的风......
虽然极端学习机能够在极短的时间内获得更优的泛化性能，但因其输入层权值和隐单元阈值是随机选取的，从而使极端学习机的泛化性能受到......
支持向量机（Support Vector Machine，SVM）是以统计学理论和结构风险最小化原则为基础的，一种处理小样本问题的数据挖掘方法。由于其具......
极端学习机(ELM)作为一种广义的单隐层前馈神经网络学习算法因其极快的收敛速度和良好的泛化性能而在分类和回归问题中得到广泛的......
样例选择是数据挖掘中一个重要的数据预处理步骤。大多数样例选择算法选择边界样例，边界样例的不确定性大，包含的有用信息更多，因此对......
随着经济的快速发展,社会对电力的需求大幅增加。而我国的主要发电形式是火力发电,这必然带来两大问题:能源消耗和环境污染。因此,......
电容层析成像技术ECT(Electrical Capacitance Tomography)是一种用于测量管或容器中的空间介电常数分布信息的方法。由于具有非入......
稀疏表示和联合稀疏表示已成为模式识别领域中的主流技术,常被用来进行图像分类、恢复、去噪等诸多应用。传统的稀疏表示和联合稀......
神经网络是人工智能方向的重要分支,擅长处理各种各样的数据。神经网络的算法和模型多种多样,其中极端学习机是一个典型的浅层神经......
非线性时间序列建模预测是复杂系统数据驱动控制的一个重要研究方向，已被广泛应用于工业系统故障分析与预测、工业过程控制、金融市......
我国3-66k V的电力系统中主要采用小电流接地方式(经消弧线圈接地或中性点不接地),其优点是供电可靠性高。单相接地故障占到线路中......
随着科技的快速发展，城市化进程不断加快，能源紧缺和环境污染越来越严重。水能因其无污染、可再生、储量丰富等优点已成为可再生能源......
配电网故障直接影响人民正常生产生活，目前单相接地故障占配电网系统故障总数的80%，接地故障产生信号微弱不易被检测，且受系统中性点......
极端学习机是一种单隐含层前馈神经网络。与传统的前馈神经网络相比，极端学习机具有更优的泛化能力，同时极大地缩短了网络的训练时间......
极端学习机因其学习速度快、泛化性能强等优点,在当今模式识别领域中已经成为了主流的研究方向;但是,由于该算法稳定性差,往往易受......
极端学习机(ELM)作为一种广义的单隐层前馈神经网络在分类和回归问题中得到广泛的应用,并受到机器学习学者的广泛关注。如何自主的......
对风速进行快速、准确的预测,可以有效地减小或避免风电场对电力系统的不利影响,同时提高风电场在电力市场中的竞争能力.根据风速......
针对设备状态在线监测中的小子样建模问题,提出一种基于动态回归极端学习机（dynamic regressionextreme leaming machine,DR-ELM）的......
为了使用解析余度模型对传感器故障进行诊断,提出了1种基于K-均值聚类与改进微分进化算法优化的极端学习机(IDE-ELM)的发动机传感......
在实际问题中数据的不规则分布、带有噪声以及离群点,都严重影响了极端学习机算法的分类准确率。针对这些问题,深入分析不同激活函......
针对航空发动机性能退化缓解控制中推力指令模型输入量有限问题,提出1种双智能网络串联的推力指令建模方法。其中子模型I采用BP网......
针对煤与瓦斯突出发生内在机理复杂性、致突因素与突出事件之间模糊性导致预测精度不高这一问题,提出将模糊粗糙集理论（FRS）结合改进......
医学图像配准是医学诊断中的重要研究内容,配准精度和速度也是众多研究的核心。图像配准过程可设想为是一种神经网络的学习过程,基......
极端学习机(ELM)训练速度快、分类率高,已被广泛应用于人脸识别领域,但是在实际问题中由于数据具有较高维数,导致ELM在有限样本下......
针对点预测类方法无法消除预测误差的不足,文中提出一种光伏发电功率短期预测方法。该方法采用极端学习机为光伏发电功率预测的回......
Mohammed等人提出了一种基于小波变换和极端学习机的人脸识别方法,该方法分为3步,首先对人脸图像做小波变换,然后用双向二维主成分......
针对传统思维进化算法搜索半径缺乏目的性,临时子群体补充缺乏方向性以及神经网络训练速度慢、泛化能力不足,传统极端学习机隐含层......
为提高航空串联故障电弧判别的可靠性以及实现对故障模式的准确分类,提出了一种数学形态学梯度和极端学习机相结合的航空交流故障......
提出一种新型、高效的基于B2DPCA(双向二维主成分分析)和ELM(极端学习机)的人脸识别算法,该算法是根据曲波变换分解人脸图像和一种......
针对极端学习机（ELM）不能用于多层前向神经网络学习的问题,通过揭示单层前向神经网络（SLFN）的ELM与岭回归以及中心化的岭回归之间的关......
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，形成基于迭代一解析的改进ELM......
目前,大部分学者采用人工神经网络和支持向量机等方法建立NO_x排放浓度模型。但是,这些建模方法只是建立了离线预测模型,不能实现N......
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一极端学习机一卡尔曼滤波器（SVM—ELM．KF，SupportVectorMachine—ExtremeL......
针对半监督学习方法存在的学习速度缓慢、不确定性递增等问题,提出一种基于极端学习机的半监督学习方法.该方法将极端学习机从监督......
为了提高极端学习机算法的稳定性和学习速度,结合L1/2正则化理论提出一种改进的极端学习机算法——基于L1/2正则化的快速学习算法(......
对换热设备积聚的污垢快速、准确的预测，可以为换热设备污垢的监测和解决对策提供指导和依据，进而避免污垢对换热设备安全经济运行带......
针对移动自组织网络移动性在管理无线网络带宽资源可用性方面的重要性，为了更好地规划连续服务可用性和有效能源管理以提升网络的整......
极端学习机(ELM)以其快速高效和良好的泛化能力在模式识别领域得到了广泛应用。然而当前的ELM及其改进算法并没有充分考虑到隐层节......
本文提出一种处理不平衡数据集的方法，即首先采用Tomekhks算法去掉噪声数据点和边界区域样本点；然后采用聚类融合算法对多数类样本中......
本文提出一种基于旋转森林的集成极端学习机分类方法，用以提高模拟电路故障诊断的准确性。算法对采样后的数据进行小波分解获得故障......
为了提高短时交通流量预测的精度,构建了基于相空间重构和正则化极端学习机的短时交通流量预测模型.首先采用C-C算法求解交通流量......
平均预报敏感度和误报率是癫痫发作预报中最为重要的两个指标,针对在提高平均预报敏感度的同时误报率往往也会增高的问题,提出一种......
