Advertisement

基于核极限学习机KELM、在线顺序极限学习机OS-ELM、在线贯序核极限学习机OSKELM、带有遗忘因子的在线贯列核极限学习F-OS

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

简介：
针对核极限学习机KELM、在线顺序极限学习机OS-ELM以及在线贯序核极限学习机OSKELM等模型，在结合遗忘因子的在线贯列核极限学习F-OSKELM和自适应遗忘因子的在线贯列核极限学习AF-OSKELM的基础上，进行数据预判。通过以下图表展示5种方法在matlab平台上的实验结果分析。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 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
  • Python中在线顺序极限学习机(OS-ELM)的实现
    优质
    本文章介绍了如何在Python环境中实现在线顺序极限学习机（OS-ELM）算法，并探讨了其在机器学习中的应用。通过详细代码示例，帮助读者理解并实践这一高效的在线学习方法。 当然可以。以下是去掉联系信息后的文字： 实验内容主要基于博主分享的一个关于Android开发的文章中的实践部分。文中详细介绍了如何在Android应用中实现一个简单的登录功能，并提供了相应的代码示例。 为了更好地理解和掌握这些技术，建议读者按照文章的指导步骤进行实际操作。通过这个过程，不仅可以加深对相关概念的理解，还能提升动手能力。实验过程中可能会遇到一些问题和挑战，这些都是学习和技术成长的一部分。 希望这次实践能够帮助大家在Android开发领域迈出坚实的第一步，并鼓励更多的人加入到移动应用开发的学习中来。
  • 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。
  • 极限学习机的Python程序_极限学习机
    优质
    本项目提供了一种用Python实现的极限学习机算法代码，旨在为机器学习爱好者和研究者提供一个高效、易懂的学习资源。 机器学习算法之极限学习机的Python实现程序
  • 极限学习机（ELM）
    优质
    极限学习机（Extreme Learning Machine，简称ELM）是一种单层前馈神经网络的学习算法，它通过随机设定输入权重和偏置来加速机器学习过程，特别适用于大规模数据集处理。 极限学习机的MATLAB源码及几篇重要文献对学习人工智能的朋友很有价值。这些资源包括了MATLAB测试源代码和测试数据，非常适合用于分类和回归任务，并且运行速度非常快。我使用9030*1569的数据进行训练和测试，在短短12秒内就能得到结果。
  • 改进版标题：OS-ELM的在线序列极限学习方法
    优质
    该文介绍了改进后的OS-ELM算法，即在线序列极限学习方法。此方法优化了原始的ELM模型，在处理大规模数据集时具有更高的效率与精度。 在线顺序极限学习机能够实现对大量数据的实时在线预测及其分类效果。
  • 极限学习机(ELM).zip
    优质
    《极限学习机（ELM）》是一份关于机器学习中前馈神经网络快速训练算法的研究资料，适用于希望深入了解和应用ELM技术的学习者及研究者。 ELM极限学习机的MATLAB源码可用于回归预测，并可以直接运行。该代码包含数据集及详细的解释，方便用户阅读、修改以及学习。
  • OSELM_VARY.m-在线序列阶极限学习机源代码
    优质
    本代码实现OSELM_VARY.m算法，为一种高效的在线序列极限制学习机器学习模型。适用于数据流环境下的增量式学习任务。 在线序列阶极限学习机源代码OSELM_VARY.m用于分类和回归任务。主要调节的参数是N0，这个值通常设置为训练数据量的大约2/3以获得较好的结果。
  • 改进的极限学习机（OS-ELM）代码_基于线性模型_matlab
    优质
    本资源提供了一种改进型极限学习机(OS-ELM)的MATLAB实现代码，适用于处理基于线性模型的数据分析和机器学习任务。 【达摩老生出品，必属精品】资源名：线性极限学习机_极限学习机进行改进后的代码_OS-ELM_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。如果您下载后不能运行，请联系作者获取指导或更换版本。 适合人群：新手及有一定经验的开发人员