控制理论与应用
控製理論與應用
공제이론여응용
CONTROL THEORY & APPLICATIONS
2014年
5期
638-643
,共6页
前向神经网络%极端学习机%导数%结构设计
前嚮神經網絡%極耑學習機%導數%結構設計
전향신경망락%겁단학습궤%도수%결구설계
feedforward neural networks%extreme learning machine%derivative%architectural design
针对极端学习机(extreme learning machine,ELM)结构设计问题,基于隐含层激活函数及其导函数提出一种前向神经网络结构增长算法.首先以Sigmoid函数为例给出了一类基函数的派生特性:导函数可以由其原函数表示.其次,利用这种派生特性提出了ELM结构设计方法,该方法自动生成双隐含层前向神经网络,其第1隐含层的结点随机逐一生成.第2隐含层的输出由第1隐含层新添结点的激活函数及其导函数确定,输出层权值由最小二乘法分析获得.最后给出了所提算法收敛性及稳定性的理论证明.对非线性系统辨识及双螺旋分类问题的仿真结果证明了所提算法的有效性.
針對極耑學習機(extreme learning machine,ELM)結構設計問題,基于隱含層激活函數及其導函數提齣一種前嚮神經網絡結構增長算法.首先以Sigmoid函數為例給齣瞭一類基函數的派生特性:導函數可以由其原函數錶示.其次,利用這種派生特性提齣瞭ELM結構設計方法,該方法自動生成雙隱含層前嚮神經網絡,其第1隱含層的結點隨機逐一生成.第2隱含層的輸齣由第1隱含層新添結點的激活函數及其導函數確定,輸齣層權值由最小二乘法分析穫得.最後給齣瞭所提算法收斂性及穩定性的理論證明.對非線性繫統辨識及雙螺鏇分類問題的倣真結果證明瞭所提算法的有效性.
침대겁단학습궤(extreme learning machine,ELM)결구설계문제,기우은함층격활함수급기도함수제출일충전향신경망락결구증장산법.수선이Sigmoid함수위례급출료일류기함수적파생특성:도함수가이유기원함수표시.기차,이용저충파생특성제출료ELM결구설계방법,해방법자동생성쌍은함층전향신경망락,기제1은함층적결점수궤축일생성.제2은함층적수출유제1은함층신첨결점적격활함수급기도함수학정,수출층권치유최소이승법분석획득.최후급출료소제산법수렴성급은정성적이론증명.대비선성계통변식급쌍라선분류문제적방진결과증명료소제산법적유효성.