基于量子遺傳優(yōu)化的改進極限學習機及應用
所屬分類：技術(shù)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(jīng)網(wǎng)絡的一種新型訓練方式——極限學習機算法的優(yōu)化和改進。首先通過與傳統(tǒng)的神經(jīng)網(wǎng)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(xiàn)其特點及優(yōu)勢,；其次，由于常規(guī)極限學習機在預測的精度上及運用的穩(wěn)定上存在不小的缺陷,，通過闡述幾個智能尋優(yōu)算法及優(yōu)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(yōu)化極限學習機的連接權(quán)值和閾值,，選取最優(yōu)的權(quán)值和閾值賦予測試網(wǎng)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(jié)果分析的步驟與流程,，實驗結(jié)果說明改進后的算法相比于經(jīng)典算法在回歸問題的預測上有優(yōu)勢，預測精度更高,，且結(jié)果更穩(wěn)定,；在分類問題的處理上,，準確性也具有壓倒性優(yōu)勢。
現(xiàn)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,。