HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

一种基于增量加权平均的在线序贯极限学习机算法

作者:张明洋; 闻英友; 杨晓陶; 赵宏单隐层前馈型神经网络在线序贯极限学习机加权平均增量代价函数

摘要:针对在线序贯极限学习机(OS-ELM)对增量数据学习效率低、准确性差的问题,提出一种基于增量加权平均的在线序贯极限学习机(WOS-ELM)算法.将算法的原始数据训练模型残差与增量数据训练模型残差进行加权作为代价函数,推导出用于均衡原始数据与增量数据的训练模型,利用原始数据来弱化增量数据的波动,使在线极限学习机具有较好的稳定性,从而提高算法的学习效率和准确性.仿真实验结果表明,所提出的WOS-ELM算法对增量数据具有较好的预测精度和泛化能力.

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

控制与决策

《控制与决策》(CN:21-1124/TP)是一本有较高学术价值的大型月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《控制与决策》坚持“交流成果,活跃学术,繁荣科技,服务四化”的办刊宗旨,相继发表了一大批最新研究成果,受到广大读者的好评。

杂志详情