【24年新算法回归预测】BKA-HKELM黑翅鸢优化混合核极限学习机多变量回归拟合预测(评估指标全,出图多)

引言

极限学习机 (ELM) 作为一种新型的单隐层前馈神经网络, 凭借其训练速度快、泛化性能好的优点, 在回归预测领域得到了广泛应用。然而, ELM 的性能高度依赖于输入权值和偏置的随机初始化, 以及隐含层节点数目的选取。为克服这些不足, 本文采用其性能优良的衍生模型混合核极限学习机 (HKELM) ,通过引入多个核函数可以有效捕捉数据的高维、非线性特征,来提高模型的预测性能,同时保留了ELM的快速训练特性。本文采用BKA黑翅鸢算法优化混合核极限学习机 (HKELM) 的输入权值、偏置以及核参数, 以提高该模型的预测精度和泛化能力,同时该模型具有训练速度极快的特性。

模型原理

1. 混合核极限学习机 (HKELM)

传统的 ELM 通常采用单一核函数, 例如高斯核函数或径向基核函数。然而, 单一核函数难以有效地捕捉数据中复杂的非线性关系。混合核极限学习机 (HKELM) 通过组合多个不同类型的核函数, 例如高斯核、多项式核以及Sigmoid核等,增强了模型的表达能力和泛化性能。其输出函数可以表示为:

图片

2. 黑翅鸢优化算法(BKA)

黑翅鸢优化算法(BKA):一种群体智能优化算法,模拟黑翅鸢在猎物寻找过程中的行为,特别是在飞行和捕食时的行为模式。

黑翅鸢优化算法(BKA)是一种新型的元启发式算法(群体智能优化算法),灵感来源于黑翅鸢迁徙和捕食行为具体为:

个体位置更新:基于黑翅鸢的捕食和飞行行为更新优化算法

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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