基于头脑风暴的极限学习机算法的分析与研究开题报告

 2022-01-09 10:01

全文总字数:3483字

1. 研究目的与意义及国内外研究现状

机器学习是当今大数据时代的核心研究方向,并渗透到人们日常生活的方方面面当中。而在机器学习的研究当中,预测、分类的研究占据着重要的地位,预测、分类模型的性能往往是一个应用成果与否的关键。传统前馈神经网络采用梯度下降的迭代算法去调整权重参数,具有明显的缺陷;

(1)学习速度缓慢,从而计算时间代价增大;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容

该论题研究的主要内容是以下几个方面:

一、极限学习机算法的研究及现状

1、极限学习机的基本概念

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 实施方案、进度安排及预期效果

极限学习机的特点是

(1)极限学习理论探讨了神经网络、机器学习领域悬而从未决的问题

(2)极限学习机的相同构架可用作特征学习,聚类,回归和(二类/多类)分类问题。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献

[1]杨易旻. 基于极限学习的系统辨识方法及应用研究[D].湖南大学,2013.
[2]杨玉婷. 头脑风暴优化算法与基于视频的非接触式运动定量分析方法研究[D].浙江大学,2015.
[3]张海霞. 极限学习机理论与算法研究[D].沈阳航空航天大学,2017.
[4]任阳晖. 极限学习机算法及应用研究[D].沈阳航空航天大学,2017.
[5]刘东. 极限学习机的改进与扩展研究[D].河北工业大学,2015.
[6]魏洁. 深度极限学习机的研究与应用[D].太原理工大学,2016.
[7]周召娣. 极限学习机相关算法的优化及应用研究[D].南京信息工程大学,2016.
[8]甘露. 极限学习机的研究与应用[D].西安电子科技大学,2014.
[9]蔡良健. 基于极限学习机的多示例算法研究[D].郑州大学,2016.

[10]杨玉婷,史玉回,夏顺仁.基于讨论机制的头脑风暴优化算法[J].浙江大学学报(工学版),2013,47(10):1705-1711 1746.

[11]DENG ChenWei,HUANG GuangBin,XU Jia,TANG JieXiong.Extreme learning machines: new trends and applications[J].Science China(Information Sciences),2015,58(02):5-20.

[12]YU Jing,SONG Wei,LI Ming,HOU Jianjun,WANG Nan.A Novel Image Classification Algorithm Based on Extreme Learning Machine[J].中国通信,2015,12(S2):48-54.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。