基于深度极限学习机的危险源识别算法HIELM

摘要：

危险源识别是民用航空管理的重要环节之一,危险源识别结果必须高度准确才能确保飞行的安全.为此,提出了一种基于深度极限学习机的危险源识别算法HIELM(Hazard Identification Algorithm Based on Extreme Learning Machine),设计了一种由多个深层栈式极限学习机(S-ELM)和一个单隐藏层极限学习机(ELM)构成的深层网络结构.算法中,多个深层S-ELM使用平行结构,各自可以拥有不同的隐藏结点个数,按照危险源领域分类接受危险源状态信息完成预学习,并结合识别特征改进网络输入权重的产生方式.在单隐藏层ELM中,深层ELM的预学习结果作为其输入,改进了反向传播算法,提高了网络识别的精确度.同时,分别训练各深层S-ELM,缓解了高维数据训练的内存压力和节点过多产生的过拟合现象.

关键词：危险源识别、深度学习、极限学习机(ELM)、分类

所属期刊栏目：44

分类号：TP183(自动化基础理论)

资助基金：江苏省产学研联合创新资金项目SBY201320423

在线出版日期：2017-06-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：89-94