双并行结构优化的极限学习机及其在回归数据集中的应用

作者：韩静文; 崔玉龙; 辛博; 张雅静

来源：内蒙古大学学报(自然科学版), 2017, 48(02): 181-188.

DOI：10.13484/j.nmgdxxbzk.20170213

• 极限学习机
• 单隐含层前馈神经网络
• 神经网络
• 回归

极限学习机(ELM)发展自单隐含层前馈神经网络算法,其理论简单,运行快速,应用非常广泛.为了提高ELM的泛化性能,提出了一种带有双并行结构的优化ELM算法(DPELM).在DP-ELM中,建立输入层和输出层间特殊的连接,使得DP-ELM的输出节点不仅可以接收隐含层节点的信息,也可直接接收输入节点的自信息.利用3组回归数据集验证算法性能,实验结果证明,与ELM相比,DP-ELM可以达到更好的回归精度以及更稳定的泛化能力.

• 单位
  北京化工大学; 北京国电智深控制技术有限公司