| 基于量子遺傳優化的改進極限學習機及應用 | |
| 所屬分類：技術論文 | |
| 上傳者：zhoubin333 | |
| 文檔大?。?span>4048 K | |
| 標簽： 極限學習機 量子遺傳算法 回歸擬合 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：主要研究的是神經網絡的一種新型訓練方式——極限學習機算法的優化和改進。首先通過與傳統的神經網絡算法的對比，介紹極限學習機算法的主要思想和流程，展現其特點及優勢；其次，由于常規極限學習機在預測的精度上及運用的穩定上存在不小的缺陷，通過闡述幾個智能尋優算法及優缺點比較，引出該文的重點量子遺傳算法，并利用此算法去優化極限學習機的連接權值和閾值，選取最優的權值和閾值賦予測試網絡，達到良好的使用效果；最后，介紹了改進極限學習機算法在MATLAB上進行實驗仿真及結果分析的步驟與流程，實驗結果說明改進后的算法相比于經典算法在回歸問題的預測上有優勢，預測精度更高，且結果更穩定；在分類問題的處理上，準確性也具有壓倒性優勢。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2