限定记忆极端学习机及其应用

被引：12

作者：

张弦

王宏力

机构：

[1] 第二炮兵工程大学自动控制工程系

来源：

控制与决策 | 2012年 / 08期

关键词：

神经网络; 极端学习机; 在线训练; 非线性系统;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

为了实现极端学习机(ELM)的在线训练,提出一种限定记忆极端学习机(FM-ELM).FM-ELM以逐次增加新训练样本与删除旧训练样本的方式,提高其对于系统动态变化特性的自适应性,并根据矩阵求逆引理实现了网络输出权值的递推求解,减小了在线训练过程的计算代价.应用于具有动态变化特性的非线性系统在线状态预测表明,FM-ELM是一种有效的ELM在线训练模式,相比于在线贯序极端学习机,FM-ELM具有更快的调节速度和更高的预测精度.

引用

页码：1206 / 1210

页数：5

共 9 条

[1]

基于信赖域Newton算法的ELM网络 [J].

韩敏 ;

王新迎 .

控制与决策 , 2011, (05) :757-760

[2]

局域极端学习机及其在状态在线监测中的应用 [J].

张弦 ;

王宏力 .

上海交通大学学报, 2011, 45 (02) :236-240

[3]

Two-stage extreme learning machine for regression[J] Yuan Lan;Yeng Chai Soh;Guang-Bin Huang Neurocomputing 2010,

[4]

Constructive hidden nodes selection of extreme learning machine for regression[J] Yuan Lan;Yeng Chai Soh;Guang-Bin Huang Neurocomputing 2010,

[5]

Chaotic time series prediction with residual analysis method using hybrid Elman–NARX neural networks[J] Muhammad Ardalani-Farsa;Saeed Zolfaghari Neurocomputing 2010,

[6]

Effects of connectivity structure of complex echo state network on its prediction performance for nonlinear time series[J] Qingsong Song;Zuren Feng Neurocomputing 2010,

[7]

Intelligent approaches using support vector machine and extreme learning machine for transmission line protection[J] V. Malathi;N.S. Marimuthu;S. Baskar Neurocomputing 2010,

[8]

Extreme learning machine: Theory and applications[J] Guang-Bin Huang;Qin-Yu Zhu;Chee-Kheong Siew Neurocomputing 2006,

[9]

矩阵分析与应用[M] 张贤达著; 清华大学出版社 2004,

← 1 →