基本信息

---

下载

文档摘要

---

极限学习机相关理论概述

极限学习机是由黄广斌等人提出的一种单隐含层前馈神经网络（SingleHiddenLayerFeedforwardNeuralNetworks,SLFNs)，对比于其余方法，它具有更加简单的训练过程，可通过随机方式给出输入权值及阈值，可以由广义上的逆矩阵为基础获得SLFNs输出权值，从而实现模型的训练，使得其训练效率以及泛化能力得到极大改善。该算法与不少常规网络模型具有相似性，其网络架构也包括三层，分别为输入层，隐藏层以及输出层，实质上，它是前馈网络之一，该章节首先引入前馈网络，就该算法的求解优点进行阐述，仅需要确定其隐藏层节点数，而后结合最小二乘法进行直接求