基于PSO的ELM集成学习算法研究

摘要：

极限学习机(Extreme Learning Machine,ELM)作为一种前向神经网络的学习算法,具有较快的学习速度和较高的学习精度.但是由于ELM的参数是随机设置的,导致ELM的泛化能力不高,容易产生过拟合现象.基于粒子群的极限学习机算法(PSO-ELM),提出了集成学习PSO-ELM算法,称为E-PSO-ELM,来提高模型的泛化能力.函数逼近和模式分类问题的仿真结果表明,所提出算法具有较好的泛化能力,特别是在函数逼近问题中,可以较为明显地提高模型的泛化能力和学习精度.

关键词：极限学习机、粒子群优化算法、集成学习

所属期刊栏目：32

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金61773226;山东省重点研发计划2018GGX103054

在线出版日期：2018-11-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：32-38