概述
1 简介
人工神经网络的最大缺点是训练时间太长从而限制其实时应用范围,近年来,极限学习机(Extreme Learning Machine, ELM)的提出使得前馈神经网络的训练时间大大缩短,然而当原始数据混杂入大量噪声变量时,或者当输入数据维度非常高时,极限学习机算法的综合性能会受到很大的影响.深度学习算法的核心是特征映射,它能够摒除原始数据中的噪声,并且当向低维度空间进行映射时,能够很好的起到对数据降维的作用,因此我们思考利用深度学习的优势特性来弥补极限学习机的弱势特性从而改善极限学习机的性能.为了进一步提升DELM预测精度，本文采用灰狼搜索算法进一步优化DELM超参数，仿真结果表明，改进算法的预测精度更高。
2 部分代码
最后
以上就是负责月饼为你收集整理的【DELM分类】基于灰狼算法改进深度学习极限学习机实现数据分类附matlab代码的全部内容，希望文章能够帮你解决【DELM分类】基于灰狼算法改进深度学习极限学习机实现数据分类附matlab代码所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复