基于固定尺寸序贯极端学习机的模拟电路在线故障诊断

被引：9

作者：

王宏力

何星

陆敬辉

姜伟

机构：

[1] 第二炮兵工程大学控制工程系

来源：

仪器仪表学报 | 2014年 / 35卷 / 04期

关键词：

极端学习机; 模拟电路; 故障诊断; 在线训练; 相似度;

D O I：

10.19650/j.cnki.cjsi.2014.04.003

中图分类号：

TP368.39 [];

学科分类号：

摘要：

为了提高极端学习机(ELM)对电子系统的在线诊断能力,提出了一种新的固定尺寸序贯极端学习机(FSSELM)。FSSELM通过逐步添加新样本,同时剔除与其相似度最高的旧样本来提高极端学习机对待测系统的动态适应能力,并通过Sherman-Morrison矩阵求逆引理来降低计算复杂度,实现输出权值的递推求解,完成分类模型的在线训练。应用FSSELM进行模拟电路故障在线诊断,仿真结果表明相比在线序贯极端学习机(OS-ELM),FSSELM对故障的在线诊断准确率更高,具有更好的泛化性能。

引用

页码：738 / 744

页数：7

共 14 条

[1]

矩阵分析与应用.[M].张贤达著;.清华大学出版社.2004,

[2]

Regularized extreme learning machine for regression with missing data.[J].Qi Yu;Yoan Miche;Emil Eirola;Mark van Heeswijk;Eric Séverin;Amaury Lendasse.Neurocomputing.2013,

[3]

An extreme learning machine approach for speaker recognition.[J].Yuan Lan;Zongjiang Hu;Yeng Chai Soh;Guang-Bin Huang.Neural Computing and Applications.2013, 3-4

[4]

Optimization approximation solution for regression problem based on extreme learning machine [J].