ELM（extreme learning machine）

最新推荐文章于 2024-06-08 21:23:54 发布
最新推荐文章于 2024-06-08 21:23:54 发布
阅读量3.3k 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.youkuaiyun.com/xddwz/article/details/78128163
版权
本文介绍了极端学习机（ELM）的基本原理，强调了它与BP算法的主要区别：ELM通过随机初始化输入层到隐藏层的权重，并使用最小二乘法求解隐藏层到输出层的权重，从而避免了传统BP算法中反向传播调整权重的过程。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

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

matlab newelm,Elman神经网络介绍以及Matlab实现
weixin_42114041的博客
03-16 1450
Elman神经网络介绍以及Matlab实现发布时间：2018-06-28 19:27,浏览次数：745, 标签：ElmanMatlabElman神经网络介绍1.特点Elman神经网络是一种典型的动态递归神经网络，它是在BP网络基本结构的基础上，在隐含层增加一个承接层，作为一步延时算子，达到记忆的目的，从而使系统具有适应时变特性的能力，增强了网络的全局稳定性，它比前馈型神经网络具有更强的计算能力，还...
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
浅层神经网络回归预测，基于MATLAB。 模型包括BPNN，极限学习机（ELM）和Elman网络
2201_75553778的博客
11-30 845
模型包括BPNN，极限学习机（ELM）和Elman网络（循环神经网络的一种）。浅层神经网络回归预测，基于MATLAB。有训练集和测试集的划分，可直接套数据。有实例，直接替换数据可运行。
混凝土强度，电力负荷预测，BP ELM ELMAN等算法。
m0_59698400的博客
06-25 256
混凝土强度，电力负荷预测，BP ELM ELMAN等算法。
pso优化elm_pso-elman_PSO_PSOELM_Elman_优化ELMAN
09-10
pso优化elman神经网络 使其精度更高
Extreme learning machine: Theory and applications.pdf
09-20
与传统的学习算法不同，本文提出了一种新的单隐层前馈神经网络（SLFNs）的学习算法ELM，该算法随机选择隐节点并解析地确定slfn的输出权值。理论上讲，该算法在极快的学习速度下具有良好的泛化性能。基于一些人工和...
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....
PR-ELM Parallel regularized extreme learning machine based on cluster
10-18
在机器学习领域，极限学习机（Extreme Learning Machine, ELM）因其高效的计算性能、良好的泛化能力和易于实现的特点，在过去十年里受到了广泛的关注。ELM是一种单隐藏层前馈神经网络的学习算法，其最大的特点是隐藏...
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。...
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。
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 ...
BP神经网络与ELM极限学习机的对比
热门推荐
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
R语言书籍学习01 《深度学习实践指南——基于R语言》-第三章Elman神经网络
深竹清风的博客
11-27 541
超级喜欢这句话： 所有的模型都是错的，只不过有些模型还能用。 ——George E.P.BOX 如果觉得以下知识晦涩难懂，不如先学习一下R语言的基础知识，请观看我的入门介绍：https://mp.youkuaiyun.com/mp_blog/creation/editor/113631909 简介 Elman 神经网络 Elman 神经网络是一种循环神经网络。在循环神经网络中，神经元可能会联到上层的神经元，因此信息的流动是多方向的，神经元的激活可能会形成一个环。这种神经网络可以学习随时间变化的序列、执..
极限学习机ELM原理的简介
vendetta_gg的博客
09-21 3544
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入门实践（一）——基础篇
weixin_33737774的博客
06-12 2673
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 4907
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
【相位恢复】基于迭代最近点算法ICP实现全场相位恢复附matlab代码
最新发布
qq_59747472的博客
06-08 1270
摘要： 本文提出了一种基于迭代最近点 (IPC) 算法的全场相位恢复算法，用于解决高分辨率封装相位恢复问题。该算法利用 IPC 算法的优越性，能够有效地解决相位 unwrapping 问题，并实现高精度、高效率的相位恢复。本文详细介绍了该算法的原理、步骤以及实现方法，并通过实验验证了该算法的有效性和实用性。关键词： 全场相位恢复，迭代最近点算法，相位 unwrapping，封装，三维表面拼接引言随着微电子技术的飞速发展，集成电路芯片的尺寸不断缩小，封装技术也面临着新的挑战。
模型人的因素_第四周 详尽可能性模型（ELM）
weixin_35824806的博客
01-06 2111
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...
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...
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