隐含层组合型ELM研究及应用
近些年由Huang等提出的极限学习机(extreme learningmachine,ELM)是1种快速训练的模型，ELM模型针对单隐含层前馈神经网络，输入层与隐含层间的权值和隐含层神经元阂值都是随机生成的，而隐含层与输出层间的权值直接利用Moore-Penrose广义逆快速求解。相对于基于大多统计模型的输出与输入都是高度非线性和线性相叠加的关系,为了更好地实现数据驱动的研究,本文提出了一种隐含层组合型的ELM(Extreme Learning Machine with Hybrid Hidden Layer,HHL-ELM)神经网络.该HHL-ELM神经网络在传统的ELM网络的隐含层中增加一个特殊的节点,该特殊节点的激活函数与隐含层其他节点激活函数不同,从而形成了一种隐含层组合的网络结构,试图增强ELM网络模型的输出.同时,本文利用UCI标准数据集中的Housing数据集进行了测试,并通过工业应用实例进行了验证.最后进行了模型对比,结果表明HHL-ELM网络在处理复杂数据时具有精度高的特点,为神经网络发展及其应用提供了新思路.
极限学习机 人工神经网络 隐含层 组合结构 激活函数 数据处理
刘国超 贺彦林 朱群雄
北京化工大学,信息科学与技术学院,北京,100029
国内会议
呼和浩特
中文
1393-1396
2013-08-01（万方平台首次上网日期，不代表论文的发表时间）