东华大学学报(自然科学版)
東華大學學報(自然科學版)
동화대학학보(자연과학판)
Journal of Donghua University(Natural Science Edition)
2015年
4期
494-497,508
,共5页
杨建国%熊经纬%徐兰%吕志军
楊建國%熊經緯%徐蘭%呂誌軍
양건국%웅경위%서란%려지군
极限学习机%纱线质量%粒子群算法%质量预测
極限學習機%紗線質量%粒子群算法%質量預測
겁한학습궤%사선질량%입자군산법%질량예측
extreme learning machine%yarn quality%particle swarm algorithm%quality prediction
由于随机给定输入权值和偏差,极限学习机(extreme learning machine,ELM)通常需要较多隐含层节点才能达到理想精度.结合粒子群算法具有全局搜索能力的优势,提出一种基于改进ELM算法的纱线质量预测模型,采用改进粒子群算法优化ELM算法的输入权值矩阵和隐含层偏差,计算出输出权值矩阵,以减少隐含层节点数.试验结果表明,相比于ELM算法,改进ELM算法能够依靠更少的隐含层节点获得更高精度,相对误差降低2.70%,可为纱线质量预测与控制提供更有效的工具,具有广泛的推广实用性.
由于隨機給定輸入權值和偏差,極限學習機(extreme learning machine,ELM)通常需要較多隱含層節點纔能達到理想精度.結閤粒子群算法具有全跼搜索能力的優勢,提齣一種基于改進ELM算法的紗線質量預測模型,採用改進粒子群算法優化ELM算法的輸入權值矩陣和隱含層偏差,計算齣輸齣權值矩陣,以減少隱含層節點數.試驗結果錶明,相比于ELM算法,改進ELM算法能夠依靠更少的隱含層節點穫得更高精度,相對誤差降低2.70%,可為紗線質量預測與控製提供更有效的工具,具有廣汎的推廣實用性.
유우수궤급정수입권치화편차,겁한학습궤(extreme learning machine,ELM)통상수요교다은함층절점재능체도이상정도.결합입자군산법구유전국수색능력적우세,제출일충기우개진ELM산법적사선질량예측모형,채용개진입자군산법우화ELM산법적수입권치구진화은함층편차,계산출수출권치구진,이감소은함층절점수.시험결과표명,상비우ELM산법,개진ELM산법능구의고경소적은함층절점획득경고정도,상대오차강저2.70%,가위사선질량예측여공제제공경유효적공구,구유엄범적추엄실용성.