《電子技術應用》
您所在的位置:首頁 > 其他 > 設計應用 > 基于量子遺傳優化的改進極限學習機及應用
基于量子遺傳優化的改進極限學習機及應用
2020年信息技術與網絡安全第3期
李雪艷1,廖一鵬2
(1.陽光學院 人工智能學院,福建 福州 350015; 2.福州大學 物理與信息工程學院,福建 福州 350108)
摘要: 主要研究的是神經網絡的一種新型訓練方式——極限學習機算法的優化和改進。首先通過與傳統的神經網絡算法的對比,介紹極限學習機算法的主要思想和流程,展現其特點及優勢;其次,由于常規極限學習機在預測的精度上及運用的穩定上存在不小的缺陷,通過闡述幾個智能尋優算法及優缺點比較,引出該文的重點量子遺傳算法,并利用此算法去優化極限學習機的連接權值和閾值,選取最優的權值和閾值賦予測試網絡,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果分析的步驟與流程,實驗結果說明改進后的算法相比于經典算法在回歸問題的預測上有優勢,預測精度更高,且結果更穩定;在分類問題的處理上,準確性也具有壓倒性優勢。
中圖分類號:TP391
文獻標識碼:A
DOI: 10.19358/j.issn.2096-5133.2020.03.006
引用格式:李雪艷,廖一鵬.基于量子遺傳優化的改進極限學習機及應用[J].信息技術與網絡安全,2020,39(3):29-34,39.
Improved extreme learning machine based on quantum genetic algorithm and its application
Li Xueyan1,Liao Yipeng2
(1.College of Artificial Intelligence,Yango University,Fuzhou 350015,China; 2.College of Physics and Information Engineering,Fuzhou University,Fuzhou 350108,China)
Abstract: Artificial neural network is an important learning method of machine learning,and this paper mainly studies the optimization and improvement of the new training method of neural networkthe algorithm of extreme learning machine.This paper firstly studies traditional neural network algorithms,introduces the main ideas and processes of the algorithm, and compares it with the traditional algorithm to show its characteristics and advantages.Secondly,due to the fact that the algorithm has no small flaws in the accuracy of the prediction and the stability of the application,by describing several intelligent optimization algorithms and comparing their advantages and disadvantages, it introduces the focus of this article quantum genetic algorithm,and uses this algorithm to select the optimal weight and threshold to give the test network,to achieve good results.Finally,the steps and processes of the improved limit learning machine algorithm for experimental simulation and result analysis on MATLAB are introduced.The experimental results show that the improved algorithm has an advantage over the classical algorithm in the prediction of regression problems,with higher prediction accuracy and more stable results.The accuracy of classification is also overwhelming.
Key words : extreme learning machine;quantum genetic algorithm;regression fit;classification;artificial neural networks

0    引言

人工神經網絡是機器學習的一種重要學習方式,而對神經網絡的研究已經很久了,有些訓練算法已經非常成熟,如經典的多層前饋(Back Propagation,BP)神經網絡等,應用已經非常廣泛,大量地應用于回歸擬合分類問題之中。但是這種被廣泛應用于多層前饋神經網絡的經典訓練算法,大多是基于梯度下降的方式來調整權值和閾值。這類算法的訓練速度慢、有可能得到的不是全局最優而是陷入局部最優,還有著參數調整復雜的問題。HUANG G B等人在2004年提出了一種新型的前饋神經網絡即極限學習機(ELM)。極限學習機(Extreme Learning Machine,ELM)是用于單隱層神經網絡(Single hidden LayerFeedforward Neural networks,SLFNs)訓練的一種高效的訓練算法。ELM不同于經典的神經網絡,它不需要梯度下降算法中繁瑣的迭代過程去調參而耗費很多時間。其隨機產生所有的權值和隱層節點閾值。并且它在訓練中一直不變,需要人為設定的只有節點個數,然后求逆矩陣得到輸出權值,便能計算得到最優值。相較于傳統的SLFNs,ELM的訓練速度顯著提升,效率遠高于之前算法,且泛化性能好。ELM作為優秀的分類器,擁有良好的應用前景。但是在實際應用中,尤其是在處理回歸擬合的問題上,它的效果并不好,準確度一般。為了達到理想的誤差精度,ELM需要龐大的隱含層神經元。而由于它的輸入權值和閾值是隨機設定的,這導致龐大的基數中有很多神經元是無效的,即存在隨機出的輸入權值和閾值為0。



本文詳細內容請下載:http://www.rjjo.cn/resource/share/2000003172





作者信息:

李雪艷1,廖一鵬2

(1.陽光學院 人工智能學院,福建 福州 350015;2.福州大學 物理與信息工程學院,福建 福州 350108)


此內容為AET網站原創,未經授權禁止轉載。
主站蜘蛛池模板: 亚洲国产天堂久久综合网站 | 亚欧在线一线 | 国产韩国精品一区二区三区 | 久久羞羞 | 韩国免费特一级毛片 | 久久久久久久综合色一本 | 九九热爱视频精品视频高清 | 国产精品久久久久一区二区 | 欧美精选欧美极品 | 欧美69| 国产福利一区二区在线精品 | 欧美毛片大全 | 免费人成激情视频在线观看冫 | 亚洲黄色免费网址 | 精品欧美一区二区精品久久 | 在线高清免费爱做网 | 欧美一区二区在线播放 | 国模偷拍在线观看免费视频 | 一级做性色a爰片久久毛片免费 | 国产一级特黄aa级特黄裸毛片 | 亚洲综合国产 | 国产精品成aⅴ人片在线观看 | 全部免费毛片免费播放 | 亚洲成av人片在线观看 | 日韩亚洲一区二区三区 | 国内9l视频自拍 | 亚洲人成网址在线观看 | 国产深夜福利 | 久草在线最新 | 久久精品视频在线观看榴莲视频 | aaaa毛片 | 日韩成人在线视频 | 99热播 | 国产毛片在线高清视频 | 高清性色生活片久久久 | 国产三级做爰在线观看∵ | 一区二区三区高清在线 | 亚洲成人在线播放视频 | 亚洲综合亚洲综合网成人 | 久草免费福利视频 | 岛国伊人 |