典型文献
基于状态转移算法的极限学习机
文献摘要：
目前极限学习机在训练模型时存在占用计算资源多和模型精度低等问题.为了解决上述问题,提出了一种基于状态转移算法的极限学习机,可提升算法计算效率和模型精度.利用状态转移算法的全局搜索特性求解线性方程组,得到极限学习机的输出权重矩阵,进而完成建模.在分类和回归数据集上与极限学习机和其他主流算法进行对比,所提方法可以利用较少的隐藏层节点得到高精度的模型,同时具有更好的学习准确率.这种高性能的建模方式弥补了极限学习机的不足.
文献关键词：
机器学习;极限学习机;状态转移算法;模型优化;数据分类
中图分类号：
作者姓名：
邹伟东;李钰祥;夏元清
作者机构：
北京理工大学 自动化学院,北京 100081
文献出处：
引用格式：
[1]邹伟东;李钰祥;夏元清-.基于状态转移算法的极限学习机)[J].北京理工大学学报,2022(10):1042-1050
A类：
B类：
状态转移算法,极限学习机,训练模型,计算资源,模型精度,算法计算,计算效率,全局搜索,线性方程组,权重矩阵,流算法,隐藏层节点,点得,建模方式,模型优化,数据分类
AB值：
0.264387
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
