下载 >  人工智能 >  机器学习 > 在线顺序极限学习机原理

在线顺序极限学习机原理 评分:

在线顺序极限学习机原理 在线顺序极限学习机原理 在线顺序极限学习机原理
2018-04-16 上传大小:400KB
立即下载 开通VIP
分享
收藏 举报
简单易学的机器学习算法——在线顺序极限学习机OS-ELM
在线顺序极限学习机算法
简单易学的机器学习算法——极限学习机(ELM)
极限学习机学习笔记
极限学习机(Extreme Learning Machine, ELM)原理详解和MATLAB实现
复习ELM极限学习机的原理,大部分转载
极限学习机简介
2018-3-31 ELM极限学习机--笔记(黄广斌PPT,以及极限学习机原理介绍的部分,但是忘记网址了)
极限学习机(Extreme Learning Machine)概述
极限学习机

众所周知,神经网络具有良好的系统辨识能力,但BP、SVM等传统神经网络 存在许多缺陷,如易收敛到局部最小点、收敛速度慢甚至不能收敛、过拟合问题、 最优的网络隐层节点数不能确定等。此外,目前人工神经网络仅仅能够逼近连续 系统,而对于非线性混合系统则无法逼近。针对上述问题,本文围绕近年来发展 起来的极限学习理论展开研究,重点研究基于极限学习理论的连续系统和混合系 统辨识新理论与新方法。

立即下载
在线顺序极限学习机OS-ELM的python实现

与博文(http://blog.csdn.net/google19890102/article/details/45273309)配套的实验

立即下载
加权极限学习机MATLAB代码

加权极限学习机 针对数据集中存在的样本不均衡情况所提出的 ELM 改进算法

立即下载
极限学习机matlab源代码

极限学习机matlab源代码,可以直接运行,可解决回归和分类问题,且是多分类问题

立即下载
增量式极限学习机算法

该资源是增量式极限学习机MATLAB实现方式。包含6个子文件。

立即下载
极限学习机

极限学习机引入核思想 保障了一个更好的泛化性能 类似于SVM 但是比SVM更好的泛化能力

立即下载
极限学习机MATLAB代码

关于基本极限学习机的全部MATLAB代码,全部都是从官网下载,其中还有几个实例可供参考。

立即下载
粒子群优化的极限学习机matlab源代码

PSO-ELM粒子群优化的极限学习机,通过调节参数拟合效果很好,便于大家使用,为学者和科研人员提供基础和思路

立即下载
极限学习机程序+数据

极限学习机完整算法在matlab中的实现,内含数据集。。

立即下载
基于粒子群优化的极限学习机

提出一种基于粒子群算法优化极限学习机算法。采用粒子群算法对极限学习机参数进行优化,最后在Matlab平台进行仿真对比实验。

立即下载
超限学习机—逻辑回归Python代码

超限学习机ELM的逻辑回归二分类Python代码,需要训练样本和测试样本,带有正则化系数,提高泛化能力,能有效解决欠拟合和过拟合问题。参考来源:http://blog.csdn.net/Mosout/article/details/53997040

立即下载
--> -->
img

spring mvc+mybatis+mysql+maven+bootstrap 整合实现增删查改简单实例.zip

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
点击完成任务获取下载码
输入下载码
为了良好体验,不建议使用迅雷下载
img

在线顺序极限学习机原理

会员到期时间: 剩余下载个数: 剩余C币: 剩余积分:0
为了良好体验,不建议使用迅雷下载
VIP下载
您今日下载次数已达上限(为了良好下载体验及使用,每位用户24小时之内最多可下载20个资源)

积分不足!

资源所需积分/C币 当前拥有积分
您可以选择
开通VIP
4000万
程序员的必选
600万
绿色安全资源
现在开通
立省522元
或者
购买C币兑换积分 C币抽奖
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
为了良好体验,不建议使用迅雷下载
确认下载
img

资源所需积分/C币 当前拥有积分 当前拥有C币
3 0 0
为了良好体验,不建议使用迅雷下载
VIP和C币套餐优惠
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
您的积分不足,将扣除 10 C币
为了良好体验,不建议使用迅雷下载
确认下载
下载
您还未下载过该资源
无法举报自己的资源

兑换成功

你当前的下载分为234开始下载资源
你还不是VIP会员
开通VIP会员权限,免积分下载
立即开通

你下载资源过于频繁,请输入验证码

您因违反CSDN下载频道规则而被锁定帐户,如有疑问,请联络:webmaster@csdn.net!

举报

若举报审核通过,可返还被扣除的积分

  • 举报人:
  • 被举报人:
  • *类型:
    • *投诉人姓名:
    • *投诉人联系方式:
    • *版权证明:
  • *详细原因: