Advertisement

Matlab中的多核极限学习机代码——Multi-Kernel-Extreme-Learning-Machine。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
该MATLAB代码涉及多核极端学习机（Multi-Kernel-Extreme-Learning-Machine）的实现。主运行文件为mkELM_DEMO.m，用于演示其功能。配套的测试数据集为heart数据集，旨在验证该算法的性能和适用性。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • MATLAB代码实现：Multi-Kernel-Extreme-Learning-Machine（多核极限学习机）
    优质
    本项目通过MATLAB实现了一种名为Multi-Kernel-Extreme-Learning-Machine (MKELM) 的算法。这是一种改进型的极限学习机，采用了多种内核函数以增强模型的学习能力与泛化性能。 Matlab代码实现多核极限学习机（Multiple Kernel Extreme Learning Machine）。主运行文件为mkELM_DEMO.m，测试数据集是heart。
     
  • 深度极限学习机及多层实现_Matlab应用_Deep Extreme Learning Machine & Multi-layer Implementation_matlab
    优质
    本项目研究并实现了基于Matlab的深度极限学习机及其多层网络结构，旨在简化深层神经网络训练过程，提高模型效率和准确性。 【达摩老生出品，必属精品】资源名：深度极限学习机_多层极限学习机_Deep-extreme-learning-mechine_matlab 资源类型：matlab项目全套源码 源码说明：全部项目源码都是经过测试校正后百分百成功运行的。如果您下载后遇到问题可以联系我进行指导或更换。 适合人群：新手及有一定经验的开发人员
     
  • 核极限学习机_核极限学习机_极限学习机_核极限学习机.zip
    优质
    该资源为核极限学习机相关资料，包含算法介绍、源代码及应用案例。适用于研究机器学习与神经网络领域的学者和开发者。下载后请查阅文件中的详细说明以了解具体内容和使用方法。 核极限学习机 极限学习机 核极限学习机 核极限学习机.zip
     
  • MATLAB中的极限学习机代码
    优质
    本代码实现基于MATLAB的极限学习机算法，适用于快速训练前馈神经网络模型，广泛应用于模式识别与回归分析等领域。 极限学习机的Matlab代码，极限学习机的Matlab代码，极限学习机的Matlab代码，极限学习机的Matlab代码，极限学习机的Matlab代码，极限学习机的Matlab代码。
     
  • Matlab中的ELM极限学习机代码
    优质
    本简介提供了一段用于实现ELM（Extreme Learning Machine）算法的MATLAB代码。该代码适用于快速构建和训练单隐层前馈神经网络，适合于分类与回归问题，并具备高效、易于使用的特性。 对于入门的ELM学习者来说，这段代码很好地总结了ELM的基本概念，并且通过一些小改动使其更加易于理解。
     
  • MATLAB中极限学习机的代码示例
    优质
    本简介提供了一个在MATLAB环境下实现极限学习机（ELM）的详细代码示例。通过该实例，读者可以快速理解和应用这一高效的前馈神经网络算法解决分类与回归问题。 这是一个在MATLAB上可以运行的极限学习机算法实例文件，其中包含了多个ELM样例。ELM本质上是另一种神经网络，其作用与传统神经网络相似，但效果有所不同，例如离散型更强等特性。建议直接修改接口以方便调试。
     
  • 核极限学习机器
    优质
    核极限学习机是一种高效能的机器学习模型，结合了极限学习机与核方法的优势，适用于快速处理大规模数据集中的分类和回归问题。 极限学习机通过引入核思想确保了更好的泛化性能，类似于支持向量机（SVM），但具有比SVM更强的泛化能力。
     
  • ELM极限学习机的Matlab源代码
    优质
    本资源提供了ELM（Extreme Learning Machine）极限学习机在MATLAB环境下的完整实现代码。此开源项目适合机器学习研究者和开发者使用，旨在简化和支持快速原型设计与算法测试。 这段文字描述的数据集包含近红外光谱数据，适用于回归分析和判别分析。数据采集规范且有效，代码支持一键运行。欢迎下载并共同交流讨论。
     
  • Matlab中的KNN 10折交叉验证代码 - Machine-Learning-Research-Transportation: 机器学习...
    优质
    本项目提供了一个使用MATLAB实现KNN算法并进行10折交叉验证的具体代码示例，适用于机器学习研究和交通数据分析。 Matlab 10折交叉验证知识代码简介：预测和可视化的结果位于“结果”文件夹下。这些ML模型预测的是每条记录的位置，而html文件可视化的是车辆加速以及访问的前10个位置。这些html文件由Python脚本生成，将位置速度限制与汽车记录进行比较，并计算所有位置的频率。 原始数据集（位于文件夹“1-data-preprocessing”中）： - linkinfo-copy.csv：包含传感器信息的excel文件 - traffic-csv文件夹：该文件夹包括从2015年4月到2016年12月的所有流量记录 源代码分为以下三个部分： 1. 1-data-preprocessing 文件夹：该文件夹包括有关数据预处理的所有脚本（步骤一） 2. 2-ml-model 文件夹：包含所有机器学习脚本的文件夹（步骤二） 3. 3-可视化 文件夹：该文件夹包括有关可视化的所有脚本（步骤三） 补充材料： 1. 纸文件夹：包含我用作参考的所有论文 2. 结果文件夹：该文件夹包含屏幕截图和ML预测以及可视化结果的输出
     
  • MATLAB主成分回归代码及实例-Machine-Learning:机器学习
    优质
    本项目提供了使用MATLAB进行主成分回归（PCR）的代码和案例研究，旨在帮助理解在机器学习中如何应用PCA降维并结合线性回归模型。适合初学者快速上手实践。 该存储库包含Andrew Ng课程中某些练习的Python实现。对于课程中的许多作业，系统会指导您创建如线性回归和逻辑回归等算法的完整、独立的Octave/MATLAB实现。其余作业则依赖于课程作者提供的其他代码。在本存储库中，我大多使用了像Scikit-learn这样的现有Python库进行改写。参考：Coursera机器学习课程中的主成分回归示例及Matlab代码。