极限学习机优化及其拟合性分析

摘要：

运用烟花算法(fireworks algorithm,FWA)优化极限学习机(extreme learning machine,ELM).首先烟花算法经过多次的迭代,确定M个最优的烟花,并且以极限学习机测试样本的RMSE作为烟花算法每次迭代的适应度函数,达到优化极限学习机的输入权值矩阵和隐含层偏差的效果.最后根据广义逆求出输出矩阵.通过对一维sinC函数的测试结果表明,烟花算法优化极限学习机能够以较少的隐含层节点数目达到更高的精度,比极限学习机的测试误差降低了29.58％.在以上基础上又做了对高斯正态分布函数的拟合实验,验证了烟花算法优化极限学习机比极限学习机拥有更好的拟合性能.

关键词：烟花算法、ELM、测试误差、隐含层节点、FWAELM、拟合性

所属期刊栏目：37

分类号：TP183(自动化基础理论)

资助基金：教育部高等学校博士学科点科研基金资助项目20124101120001;河南省教育厅科学技术研究重点资助项目14A41300;中国博士后科学基金面上资助项目2014T70685,2013M541992

在线出版日期：2016-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：20-24