基于极速学习的粗糙RBF神经网络
文献类型：期刊论文
| 作者 | 马刚1; 丁世飞1; 史忠植2 |
| 刊名 | 微电子学与计算机
 |
| 出版日期 | 2012 |
| 卷号 | 29.0期号:008页码:9 |
| 关键词 | ELM R-RBF Moore-Penrose 极小范数最小二乘解 |
| ISSN号 | 1000-7180 |
| 英文摘要 | 提出了一种用于训练粗糙RBF神经网络（rough RBF neural networks,R-RBF）的极速学习机（extreme learning machine,ELM）方法,通过引入矩阵的Moore-Penrose逆,将传统的迭代学习方法转换为一种求线性方程的极小范数最小二乘解的方法.实验证明,在训练精度、训练时间上都能够达到非常优越的性能,其泛化精度能够提升50%以上. |
| 语种 | 英语 |
| 源URL | [http://119.78.100.204/handle/2XEOYT63/36497]  |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 1.中国矿业大学 2.中国科学院计算技术研究所 |
| 推荐引用方式 GB/T 7714 | 马刚,丁世飞,史忠植. 基于极速学习的粗糙RBF神经网络[J]. 微电子学与计算机,2012,29.0(008):9. |
| APA | 马刚,丁世飞,&史忠植.(2012).基于极速学习的粗糙RBF神经网络.微电子学与计算机,29.0(008),9. |
| MLA | 马刚,et al."基于极速学习的粗糙RBF神经网络".微电子学与计算机 29.0.008(2012):9. |
入库方式： OAI收割
来源：计算技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。