文献类型：期刊文章

作　　者：王杰[1] 毕浩洋[1]

机构地区：[1]郑州大学电气工程学院,河南郑州450001

出　　处：《郑州大学学报（理学版）》

基　　金：国家自然科学基金资助项目;编号60905039/F030507

年　　份：2013

卷　　号：45

期　　号：1

起止页码：100-104

语　　种：中文

收录情况：BDHX、BDHX2011、CAS、CSA-PROQEUST、IC、JST、MR、RCCSE、RSC、ZGKJHX、ZMATH、核心刊

摘　　要：极限学习机(ELM)是一种新型的前馈神经网络,相比于传统的单隐含层前馈神经网络(SLFN),ELM具有速度快、误差小的优点.由于随机给定输入权值和偏差,ELM通常需要较多隐含层节点才能达到理想精度.粒子群极限学习机算法为使用粒子群算法(particle swarm optimization,PSO)选择最优的输入权值矩阵和隐含层偏差,从而计算出输出权值矩阵.一维Sinc函数拟合实验表明,相比于ELM算法和传统神经网络算法,粒子群极限学习机算法依靠较少的隐含层节点能够获得较高精度.

关 键 词：粒子群 极限学习机 隐含层节点

分 类 号：TP183]