收藏本站
《中国自动化学会控制理论专业委员会D卷》2011年
收藏 | 手机打开
二维码
手机客户端打开本文

激活函数可调的ELM学习算法及其应用

李彬  李贻斌  荣学文  
【摘要】:针对ELM学习算法中激活函数的问题依赖性,提出了一种激活函数可调的ELM学习算法,该算法可以根据所处理的问题,采用差分进化算法动态地调整激活函数类型,使算法训练的神经网络结构与待解问题相适应.函数逼近和模式分类基准问题的计算机仿真结果表明:在具有相同网络规模和精简网络结构的前提下,本文算法比ELM和E-ELM学习算法具有更好的泛化能力和较好的稳定性.

【参考文献】
中国博士学位论文全文数据库 前1条
1 韩飞;基于先验信息编码的约束学习算法研究[D];中国科学技术大学;2006年
中国硕士学位论文全文数据库 前1条
1 李彬;径向基函数神经网络的学习算法研究[D];山东大学;2005年
【共引文献】
中国期刊全文数据库 前9条
1 夏伟伟;袁振海;季晨宇;黄锋;;基于RBF的故障电缆距离的预测算法[J];电测与仪表;2010年10期
2 李仲玢;鲍峰;;三种GPS水准拟合方法的精度比较[J];硅谷;2010年22期
3 丁硕;常晓恒;巫庆辉;;LMBP和RBF在ECS特性曲线拟合中对比研究[J];吉林大学学报(信息科学版);2013年02期
4 庞振;徐蔚鸿;;一种基于改进k-means的RBF神经网络学习方法[J];计算机工程与应用;2012年11期
5 罗芳琼;;一种RBF神经网络的混合学习算法在CPI中的应用[J];计算机与数字工程;2012年04期
6 何迎生;段明秀;;基于改进kmeans聚类方法的RBF神经网络设计[J];邵阳学院学报(自然科学版);2008年02期
7 李彬;李贻斌;;基于ELM学习算法的混沌时间序列预测[J];天津大学学报;2011年08期
8 田启川;田茂新;;一种利用神经网络提取运动模糊区域的新方法[J];微电子学与计算机;2012年05期
9 司昌亮;卢文喜;初海波;;RBF神经网络在洪灾易损性分析中的应用[J];中国农村水利水电;2012年04期
中国博士学位论文全文数据库 前2条
1 刘兆惠;高等级公路交通安全综合评价及多元事故预测模型研究[D];吉林大学;2007年
2 李彬;视觉地形分类和四足机器人步态规划方法研究与应用[D];山东大学;2012年
中国硕士学位论文全文数据库 前10条
1 庞振;基于径向基函数神经网络的图像识别研究[D];长沙理工大学;2011年
2 郝明亮;直线电梯单电磁悬浮导向系统RBF神经网络滑模控制[D];沈阳工业大学;2012年
3 平庆杰;基于电机电流预测切削力的方法研究[D];合肥工业大学;2006年
4 李抗彬;新疆下坂地水库冰雪融水径流预报模型研究[D];西安理工大学;2007年
5 周剑冰;基于并联型灰色神经网络的舰船运动预报[D];哈尔滨工程大学;2006年
6 杨吟冬;基于径向基函数神经网络的曲面(线)重构仿真研究[D];广西大学;2007年
7 付建敏;基于人工神经网络的电力通信网安全风险评估[D];华北电力大学(河北);2007年
8 李胜;基于ARM/LINUX以及GPRS的远程视频自动监控系统的研究[D];山东大学;2010年
9 范绍帅;基于负载均衡的异构无线网络智能接入选择方法研究[D];吉林大学;2012年
10 宋同辉;汽轮机排汽湿度软测量技术研究[D];东北电力大学;2012年
【二级参考文献】
中国期刊全文数据库 前10条
1 梁化楼,戴贵亮;人工神经网络与遗传算法的结合:进展及展望[J];电子学报;1995年10期
2 吴佑寿,赵明生,丁晓青;一种激励函数可调的新人工神经网络及应用[J];中国科学E辑:技术科学;1997年01期
3 吴佑寿,赵明生;激活函数可调的神经元模型及其有监督学习与应用[J];中国科学E辑:技术科学;2001年03期
4 黄德双,池哲儒;基于神经网络的递推分块方法求任意高阶多项式的根[J];中国科学E辑:技术科学;2003年12期
5 丛爽,向微;BP网络结构、参数及训练方法的设计与选择[J];计算机工程;2001年10期
6 张铃,张钹;前向神经网络设计问题的回顾与探索[J];计算机工程与科学;1998年04期
7 张鸿宾;有限超平面集对E~d的划分问题及其应用[J];计算机学报;1994年09期
8 何述东,瞿坦,黄献青,黄心汉;多层前向神经网络结构的研究进展[J];控制理论与应用;1998年03期
9 董聪,郦正能,夏人伟,何庆芝;多层前向网络研究进展及若干问题[J];力学进展;1995年02期
10 穆志纯;徐雪艳;闫铁梁;;利用双BP算法提高BP网络的泛化能力[J];模式识别与人工智能;1995年01期
【相似文献】
中国期刊全文数据库 前10条
1 沈艳军,汪秉文;激活函数可调的神经元网络的一种快速算法[J];中国科学E辑;2003年08期
2 王永林;;小波神经网络训练研究及在织物预测中的应用[J];信息技术;2011年01期
3 潘国荣;谷川;;BP算法改进及其在变形数据处理中的应用[J];同济大学学报(自然科学版);2008年01期
4 赵小明;BP神经网络模型中平台现象的抑制[J];台州学院学报;2002年03期
5 李恩玉;杨平先;孙兴波;;基于激活函数四参可调的BP神经网络改进算法[J];微电子学与计算机;2008年11期
6 唐凤仙;汤鹏杰;;基于BP网络的有教师分类算法及应用[J];河池学院学报;2011年02期
7 初丽娟;沈艳霞;;基于VHDL语言的神经网络激活函数随机运算的实现[J];江南大学学报(自然科学版);2009年02期
8 彭汉川,甘强,韦钰;提高前馈神经网络推广能力的若干实际方法[J];电子学报;1998年04期
9 李岚,英锐男,陈晓平;BP网络的一种优质高效学习算法[J];江苏理工大学学报;1999年01期
10 梅冬芳;;采用调整函数优化梯度的BP算法改进[J];现代电子技术;2006年16期
中国重要会议论文全文数据库 前10条
1 李彬;李贻斌;荣学文;;激活函数可调的ELM学习算法及其应用[A];中国自动化学会控制理论专业委员会D卷[C];2011年
2 党建武;张彩珍;张全新;;基于神经网络的列车自动运行控制系统研究[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 高协平;;关于BP神经网络用于求解二次规划[A];1999中国控制与决策学术年会论文集[C];1999年
4 汪小帆;宋文忠;;高阶连续时间随机神经网络学习算法研究[A];1995年中国控制会议论文集(下)[C];1995年
5 仲自勉;翟军;陈宝树;李连根;;充分利用样本信息的神经元模型[A];1997中国控制与决策学术年会论文集[C];1997年
6 李海岭;罗先启;葛修润;;自递归神经网络预测结构响应[A];新世纪岩石力学与工程的开拓和发展——中国岩石力学与工程学会第六次学术大会论文集[C];2000年
7 段培永;邵惠鹤;;基于广义基函数的CMAC神经网络的一种改进学习算法[A];1998中国控制与决策学术年会论文集[C];1998年
8 覃祖旭;张洪钺;;基于神经网络的非线性状态观测器研究[A];1995年中国控制会议论文集(上)[C];1995年
9 李鸿儒;邓长辉;顾树生;温馨;;递归神经网络快速学习算法的研究[A];2000中国控制与决策学术年会论文集[C];2000年
10 李明;杨成梧;;PID神经网络的改进PSO学习算法[A];第25届中国控制会议论文集(中册)[C];2006年
中国博士学位论文全文数据库 前10条
1 周永权;泛函网络理论及其学习算法研究[D];西安电子科技大学;2006年
2 杨光友;混合粒子群优化及其在嵌入式智能控制中的应用[D];武汉理工大学;2006年
3 沈艳军;多输出神经元模型的多层前向神经网络及其应用[D];华中科技大学;2004年
4 徐军;递归神经网络稳定性分析[D];浙江大学;2007年
5 王刚;基于最大非高斯估计的独立分量分析理论研究[D];国防科学技术大学;2005年
6 张昀;基于复数Hopfield神经网络的盲信号检测[D];南京邮电大学;2012年
7 段书凯;高维和时滞混沌系统的理论研究及电路实现[D];重庆大学;2006年
8 隆金玲;Sum-of-Product神经网络和径向基函数神经网络的逼近能力研究[D];大连理工大学;2008年
9 刘晓玉;复杂环境下基于神经网络的工件识别与机器人智能抓取[D];武汉科技大学;2009年
10 郑鹏升;Hopfield神经网络动力学分析与应用[D];天津大学;2010年
中国硕士学位论文全文数据库 前10条
1 徐国华;具有延时和逆H(o|¨)lder激活函数的神经网络的稳定性研究[D];燕山大学;2012年
2 王智慧;BP神经网络和ELM算法研究[D];中国计量学院;2012年
3 杨晓艳;神经网络在股市预测中的应用[D];中北大学;2008年
4 王之仓;多层感知器学习算法研究[D];苏州大学;2006年
5 王莎;BP神经网络在股票预测中的应用研究[D];中南大学;2008年
6 漆莲芝;人工神经网络技术和微粒群算法在文档特征表示中的应用[D];四川大学;2006年
7 管琳;基于BP神经网络的脱机手写体数字识别[D];中北大学;2007年
8 沈汀洁;基于非参数统计方法的人工神经网络研究与讨论[D];华东师范大学;2010年
9 初丽娟;基于随机运算的感应电机智能辨识器的实现研究[D];江南大学;2009年
10 郑建国;小波神经网络在图像压缩中的应用研究[D];西安建筑科技大学;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026