极限学习机(Extreme Learning Machine, ELM)原理详解和MATLAB实现

baqiao

目录

8 H0 z1 W5 @8 h6 e/ V+ g

引言

极限学习机原理

$ V/ T- S3 ?$ d( b0 O7 O5 Z

MATLAB中重点函数解读

& A3 e! N3 M# l

极限学习机的MATLAB实践

引言

极限学习机不是一个新的东西，只是在算法（方法）上有新的内容。在神经网络结构上，就是一个前向传播的神经网络，和之前几篇博文讲的意义。

/ k: D3 F4 w' @5 \; {

为什么我们需要ELM？

The learning speed of feedforward neural networks is in general far slower than required and it has been a major bottleneck in their applications for past decades. Two key reasons behind may be:

- t* I8 W0 U8 W1 G. ?

1) the slow gradient-based learning algorithms are extensively used to train neural networks.

2) all the parameters of the networks are tuned iteratively by using such learning algorithms.

最大的创新点：

2 L/ j/ X- `3 U# n7 M

1）输入层和隐含层的连接权值、隐含层的阈值可以随机设定，且设定完后不用再调整。这和BP神经网络不一样，BP需要不断反向去调整权值和阈值。因此这里就能减少一半的运算量了。

  ^1 }& V$ {: {2 C: v

2）隐含层和输出层之间的连接权值β不需要迭代调整，而是通过解方程组方式一次性确定。

研究表明，通过这样的规则，模型的泛化性能很好，速度提高了不少。

一言概之，ELM最大的特点就是对于传统的神经网络，尤其是单隐层前馈神经网络(SLFNs)，在保证学习精度的前提下比传统的学习算法速度更快。

游客，如果您要查看本帖隐藏内容请回复

NingW

极限学习机(Extreme Learning Machine, ELM)原理详解和MATLAB实现