期刊文献+
共找到94篇文章
< 1 2 5 >
每页显示 20 50 100
基于极限学习机的短期电力负荷在线预测 被引量:2
1
作者 杨凌 彭文英 +2 位作者 杨思怡 杜娟 程丽 《兰州大学学报(自然科学版)》 CAS CSCD 北大核心 2024年第5期637-644,共8页
为满足智能电网对电力负荷实时预测的需求,提出基于稀疏递归最小二乘法的极限学习机(SRLS-ELM)在线学习算法,用于短期电力负荷的在线预测.相比在线序列ELM, SRLS-ELM算法无需选择离线样本初始化网络输出权重,将网络学习的平方误差与输... 为满足智能电网对电力负荷实时预测的需求,提出基于稀疏递归最小二乘法的极限学习机(SRLS-ELM)在线学习算法,用于短期电力负荷的在线预测.相比在线序列ELM, SRLS-ELM算法无需选择离线样本初始化网络输出权重,将网络学习的平方误差与输出权值的稀疏正则化项相结合,用l1-范数稀疏化网络隐藏层节点,用次梯度策略解决求解过程中代价函数无法处处可微的问题,以递归最小二乘的训练方法完成在线学习,根据估计误差自适应寻找最优正则化参数.仿真结果表明,基于SRLS-ELM的算法能有效简化网络结构,且与ELM、堆叠核ELM批量、在线序列ELM半在线以及精确在线支持向量机回归模型相比,对短期电力负荷在线预测时具有更高的预测精度和学习效率,且鲁棒性强. 展开更多
关键词 短期电力负荷预测 极限学习 在线学习 正则化
在线阅读 下载PDF
基于在线学习的离散时间人机协作系统预定性能柔顺控制
2
作者 刘霞 王露 陈勇 《电子科技大学学报》 北大核心 2025年第1期52-61,共10页
为了使人机协作系统中机器人能够准确地顺应人类行为,提出了一种基于在线学习的离散时间预定性能柔顺控制方法。该方法在外环采用在线顺序极限学习机算法估计人类行为,并将估计结果结合参考阻抗模型来重建参考轨迹。在内环建立了离散时... 为了使人机协作系统中机器人能够准确地顺应人类行为,提出了一种基于在线学习的离散时间预定性能柔顺控制方法。该方法在外环采用在线顺序极限学习机算法估计人类行为,并将估计结果结合参考阻抗模型来重建参考轨迹。在内环建立了离散时间预定性能控制器用于跟踪重建后的参考轨迹,并利用时间延迟估计来获得机器人复杂的未知动力学模型。分析了闭环系统的瞬态和稳态性能,通过对比仿真验证了该方法的有效性。所提的离散时间控制方法可更好地满足数字计算机的工作原理,在减少计算和内存负担的基础上,使得机器人末端执行器的跟踪误差能够满足预设性能要求。此外,该方法无需机器人精确的数学模型,同时还能减轻人类操作机器人的力量负担,保证人机协作的柔顺性。 展开更多
关键词 柔顺控制 离散时间人协作系统 人类行为估计 在线顺序极限学习 预定性能
在线阅读 下载PDF
基于融合健康因子和集成极限学习机的锂离子电池SOH在线估计 被引量:2
3
作者 屈克庆 董浩 +3 位作者 毛玲 赵晋斌 杨建林 李芬 《上海交通大学学报》 EI CAS CSCD 北大核心 2024年第3期263-272,共10页
锂离子电池健康状态(SOH)的在线估计对电池管理系统的安全稳定运行至关重要.为克服传统基于数据驱动的锂离子电池SOH估计方法训练时间长、计算量大、调试过程复杂的问题,提出一种基于融合健康因子和集成极限学习机的锂离子电池SOH估计方... 锂离子电池健康状态(SOH)的在线估计对电池管理系统的安全稳定运行至关重要.为克服传统基于数据驱动的锂离子电池SOH估计方法训练时间长、计算量大、调试过程复杂的问题,提出一种基于融合健康因子和集成极限学习机的锂离子电池SOH估计方法.该方法通过dQ/dV和dT/dV曲线分析,筛选出与电池SOH相关性较高的数据区间进行多维健康特征提取,并对其进行主成分分析降维处理得到间接健康因子;利用极限学习机的随机学习算法建立间接健康因子和SOH之间的非线性映射关系.在此基础上,针对单一模型输出不稳定的特点,提出一种集成极限学习机模型,通过对估计结果设置可信度评价规则剔除单一极限学习机不可靠的输出,从而提高锂离子电池SOH的估计精度.使用NASA和牛津大学的锂离子电池老化数据集对该方法进行验证,结果表明该方法的平均绝对百分比误差小于1%,具有较高的准确性和可靠性. 展开更多
关键词 锂离子电池 健康因子 集成极限学习 健康状态在线估计
在线阅读 下载PDF
基于粒子群优化在线顺序极限学习机动态环境室内定位算法 被引量:2
4
作者 韩承毅 苏胜君 +2 位作者 施伟斌 乐燕芬 李瑞祥 《数据采集与处理》 CSCD 北大核心 2022年第6期1345-1352,共8页
动态环境室内定位容易受到人员随机行动、障碍物等环境的干扰,信号强度的时变性、数据采集的不稳定性对定位算法产生很大的影响。针对该问题,本文提出了一种基于粒子群优化在线顺序极限学习机算法(Particle swarm optimization online s... 动态环境室内定位容易受到人员随机行动、障碍物等环境的干扰,信号强度的时变性、数据采集的不稳定性对定位算法产生很大的影响。针对该问题,本文提出了一种基于粒子群优化在线顺序极限学习机算法(Particle swarm optimization online sequential extreme learning machine,PSO⁃OS⁃ELM)。该算法继承了在线顺序极限学习机(Online sequential extreme learning machine,OS⁃ELM)算法的数据采集成本低、适应环境变化快、收敛速度较快且定位精度较高等特性,同时又利用粒子群优化(Particle swarm optimization,PSO)解决OS⁃ELM算法中奇异值问题和鲁棒性问题。在3种不同环境下采集数据,将PSO⁃OS⁃ELM算法、OS⁃ELM算法和WKNN算法进行实验对比。实验结果表明:在动态变化的室内环境中,PSO⁃OS⁃ELM算法定位误差较小且鲁棒性增强,优于其他算法;平均定位误差相较于其他算法减少了约15%;算法耗时性相较于传统定位算法加权K近邻算法(Weighted K⁃nearest neighbor,WKNN)算法减少了约55%。 展开更多
关键词 粒子群优化 在线顺序极限学习 接收信号强度 动态环境 室内定位
在线阅读 下载PDF
改进在线贯序极限学习机在模式识别中的应用 被引量:13
5
作者 尹刚 张英堂 +1 位作者 李志宁 范红波 《计算机工程》 CAS CSCD 2012年第8期164-166,169,共4页
针对传统在线贯序极限学习机存在的过学习和分类器输出不稳定等问题,将结构风险最小化理论引入到极限学习机中,用小波函数替代原有的隐层激励函数构建正则小波极限学习机,并与在线学习方法结合,提出在线正则小波极限学习机。仿真实验结... 针对传统在线贯序极限学习机存在的过学习和分类器输出不稳定等问题,将结构风险最小化理论引入到极限学习机中,用小波函数替代原有的隐层激励函数构建正则小波极限学习机,并与在线学习方法结合,提出在线正则小波极限学习机。仿真实验结果表明,在线正则小波极限学习机克服过学习和局部最优等问题,能够实现快速在线学习,具有良好的泛化性和鲁棒性。 展开更多
关键词 在线贯序极限学习 小波分析 在线学习 模式识别 结构风险 泛化性能 鲁棒性
在线阅读 下载PDF
运用在线贯序极限学习机的故障诊断方法 被引量:10
6
作者 尹刚 张英堂 +1 位作者 李志宁 程利军 《振动.测试与诊断》 EI CSCD 北大核心 2013年第2期325-329,345,共5页
针对传统的前馈神经网络学习算法泛化能力不高、训练速度慢、易出现局部最优解及无法处理随时间不断变化的信息流等问题,提出了基于在线贯序极限学习机的快速故障诊断方法。针对旋转机械故障复杂、样本少的特点,将测试过程中得到的预测... 针对传统的前馈神经网络学习算法泛化能力不高、训练速度慢、易出现局部最优解及无法处理随时间不断变化的信息流等问题,提出了基于在线贯序极限学习机的快速故障诊断方法。针对旋转机械故障复杂、样本少的特点,将测试过程中得到的预测数据加入训练样本,作为下一次预测的已知信息,建立在线贯序极限学习机分类模型,从而在最大程度上提高故障诊断的精度。试验结果表明,在线贯序极限学习机在故障分类准确率与支持向量机相近的条件下,参数选择简单且学习速度提高近200倍。 展开更多
关键词 极限学习 在线神经网络 旋转 故障诊断 支持向量
在线阅读 下载PDF
基于Storm的在线序列极限学习机的气象预测模型 被引量:9
7
作者 欧阳建权 周勇 唐欢容 《计算机研究与发展》 EI CSCD 北大核心 2017年第8期1736-1743,共8页
为提高气象预测精度,实时应对频发的局域气象灾害,拥有更高的处理海量数据的效率,提出了一种基于Storm的在线序列的极限学习机气象预测模型.该模型首先初始化多个在线极限学习机,当新批次的数据不断到达时,模型能够在训练结果的基础上... 为提高气象预测精度,实时应对频发的局域气象灾害,拥有更高的处理海量数据的效率,提出了一种基于Storm的在线序列的极限学习机气象预测模型.该模型首先初始化多个在线极限学习机,当新批次的数据不断到达时,模型能够在训练结果的基础上继续学习新样本,并引入随机梯度下降法和误差权值调整方法,对新的预测结果进行误差反馈,实时更新误差权值参数,以提高模型预测准确率.另外,采用Storm流式处理框架对提出的算法模型进行并行化改进,以提高处理海量高维数据的能力.实验结果表明:该模型与基于Hadoop的并行极限学习机算法(parallel extreme learning machine,PELM)相比,具有更高的预测精度和优异的并行性能. 展开更多
关键词 STORM 极限学习 气象预测 在线序列 学习
在线阅读 下载PDF
基于流形正则化的在线半监督极限学习机 被引量:6
8
作者 王萍 王迪 冯伟 《上海交通大学学报》 EI CAS CSCD 北大核心 2015年第8期1153-1158,1167,共7页
在基于流形正则化的半监督极限学习机(SS-ELM)的基础上,利用分块矩阵的运算法则,提出了在线半监督极限学习机(OSS-ELM)方法.为避免在实时学习的过程中由于数据累积引起的内存不足,通过对SS-ELM的目标函数的流形正则项的近似,给出了OSS-... 在基于流形正则化的半监督极限学习机(SS-ELM)的基础上,利用分块矩阵的运算法则,提出了在线半监督极限学习机(OSS-ELM)方法.为避免在实时学习的过程中由于数据累积引起的内存不足,通过对SS-ELM的目标函数的流形正则项的近似,给出了OSS-ELM的近似算法OSSELM(buffer).在Abalone数据集上的实验显示,OSS-ELM(buffer)在线学习的累计时间与所处理的样本个数呈线性关系,同时,9个公共数据集上的实验表明,OSS-ELM(buffer)的泛化能力与SS-ELM的泛化能力的相对偏差在1%以下.这些实验结果说明,OSS-ELM(buffer)不仅解决了内存问题,还在基本保持SS-ELM泛化能力的基础上大幅度提高了在线学习速度,可以有效应用于在线半监督学习当中. 展开更多
关键词 极限学习 半监督学习 在线学习 流形正则化
在线阅读 下载PDF
基于核函数的加权极限学习机污水处理在线故障诊断 被引量:9
9
作者 许玉格 邓文凯 陈立定 《化工学报》 EI CAS CSCD 北大核心 2016年第9期3817-3825,共9页
污水生化处理中的运行故障会引起出水水质不达标、运行费用增高和环境二次污染等严重问题,需要及时准确地对运行故障进行诊断。考虑到污水处理过程运行状态数据的不平衡性造成故障诊断准确率下降,提出了一种基于核函数的加权极限学习机... 污水生化处理中的运行故障会引起出水水质不达标、运行费用增高和环境二次污染等严重问题,需要及时准确地对运行故障进行诊断。考虑到污水处理过程运行状态数据的不平衡性造成故障诊断准确率下降,提出了一种基于核函数的加权极限学习机污水处理过程实时在线故障诊断方法。该方法以极限学习机为基础,采用加权的方式处理数据的不平衡特性,通过核函数的非线性映射来提高数据线性可分的程度。仿真实验证明,本文建立的污水处理在线故障诊断模型在线测试精度高,泛化性能好,模型在线更新速度快,能够比较好地满足准确性和实时性,实现对污水处理过程的在线故障诊断。 展开更多
关键词 加权极限学习 核函数 在线建模 污水处理 故障诊断 仿真实验
在线阅读 下载PDF
在线极限学习机在岩爆预测中的应用 被引量:8
10
作者 兰明 刘志祥 冯凡 《安全与环境学报》 CAS CSCD 北大核心 2014年第2期90-93,共4页
为有效预测地下工程岩爆的发生及烈度,结合地下工程岩爆的特点,分析岩爆影响因素及相关判别依据,选取围岩最大切向应力σ与岩石抗压强度σc之比σ/σc、岩石抗压强度σc与岩石抗拉强度σt之比σc/σt以及弹性能量指数Wet为判别因子... 为有效预测地下工程岩爆的发生及烈度,结合地下工程岩爆的特点,分析岩爆影响因素及相关判别依据,选取围岩最大切向应力σ与岩石抗压强度σc之比σ/σc、岩石抗压强度σc与岩石抗拉强度σt之比σc/σt以及弹性能量指数Wet为判别因子,引入在线极限学习机理论,建立了岩爆预测的OS-ELM判别模型。以搜集到的国内外15组工程岩爆数据进行训练建模,训练完成后将样本数据做输出预测,得到模型的预测精度达97.98%,并与SVM、BP模型进行对比分析,结果表明,OS-ELM模型精度优于SVM和BP模型。利用该模型对国内两处隧道岩爆情况进行预测,结果与实际情况基本相符。研究表明,OSELM判别模型在岩爆烈度分级上具有良好的适用性和有效性。 展开更多
关键词 安全工程 地下工程 在线极限学习 岩爆分级 预测
在线阅读 下载PDF
一种基于在线序贯极限学习机的大型舰船甲板态势预测方法 被引量:4
11
作者 刘锡祥 宋清 +2 位作者 司马健 黄永江 杨燕 《中国惯性技术学报》 EI CSCD 北大核心 2016年第2期269-274,共6页
在舰船摇荡运动无法有效抑制时,可利用惯性导航系统实时测量甲板运动,并利用甲板运动的当前以及历史数据对未来时刻的甲板运动进行预测,以提高舰载机的起降安全性。然而甲板摇荡运动作为风浪、潮汐等共同作用的产物,具有较强的非线性、... 在舰船摇荡运动无法有效抑制时,可利用惯性导航系统实时测量甲板运动,并利用甲板运动的当前以及历史数据对未来时刻的甲板运动进行预测,以提高舰载机的起降安全性。然而甲板摇荡运动作为风浪、潮汐等共同作用的产物,具有较强的非线性、随机性和时变性。针对上述特性,引入具有信息实时更新功能的在线序贯极限学习机(OS-ELM)方法对甲板运动态势进行预测。该方法通过实时更新参与模型解算的样本数据,具有计算量小、学习映射能力强的优点。针对OS-ELM中存在的隐含层节点个数选择,以及甲板态势预测中出现的样本个数、历史数据长度等参数选择问题,引入遗传算法(GA)进行寻优。基于模拟甲板摇荡数据的仿真表明,该预测方法可以实时跟踪甲板运动的实时性变化,并对甲板运动态势进行预测。 展开更多
关键词 甲板态势预测 在线序贯极限学习 信息更新 遗传算法
在线阅读 下载PDF
在线增量极限学习机及其性能研究 被引量:3
12
作者 马致远 罗光春 +1 位作者 秦科 汪楠 《计算机应用研究》 CSCD 北大核心 2018年第12期3533-3537,共5页
针对在线学习中极限学习机需要事先确定模型结构的问题,提出了兼顾数据增量和结构变化的在线极限学习机算法。算法以在线序列化极限学习机为基础,通过误差变化判断是否新增节点,并利用分块矩阵的广义逆矩阵对新增节点后的模型进行更新,... 针对在线学习中极限学习机需要事先确定模型结构的问题,提出了兼顾数据增量和结构变化的在线极限学习机算法。算法以在线序列化极限学习机为基础,通过误差变化判断是否新增节点,并利用分块矩阵的广义逆矩阵对新增节点后的模型进行更新,使模型保持较高的正确率。通过在不同类型和大小的数据集上的实验表明,所提算法相较于经典极限学习机及其在线和增量学习版本都具有较好的分类和回归准确率,能够适应不同类型的数据分析任务。 展开更多
关键词 极限学习 增量学习 在线学习 广义逆 在线增量极限学习
在线阅读 下载PDF
基于自适应在线极限学习机模型的预测方法 被引量:8
13
作者 徐勇 王东 张慧 《统计研究》 CSSCI 北大核心 2016年第7期103-109,共7页
本文针对单个在线极限学习机输出不稳定的情况,提出一种自适应集成在线极限学习机算法(ASEOSELM)。算法首先初始化多个在线极限学习机模型,然后根据到达的每一批次数据的训练误差及其方差自适应地调整各个在线极限学习机的集成权重,并... 本文针对单个在线极限学习机输出不稳定的情况,提出一种自适应集成在线极限学习机算法(ASEOSELM)。算法首先初始化多个在线极限学习机模型,然后根据到达的每一批次数据的训练误差及其方差自适应地调整各个在线极限学习机的集成权重,并动态删除那些小于设定阈值的模型以提高算法的训练速度,最后选择准确度高、泛化能力好的模型用于集成预测。通过函数拟合、UCI数据集以及真实股价预测实验表明,文中提出的ASE-OSELM算法相比传统的OSELM、LS-SVM和BPNN算法具有更高的预测准确度和抗干扰能力。 展开更多
关键词 人工神经网络 自适应集成 选择性集成 在线极限学习
在线阅读 下载PDF
基于选择性更新的在线核极限学习机建模 被引量:6
14
作者 孙朝江 汤健 +1 位作者 魏忠军 赵立杰 《控制工程》 CSCD 北大核心 2013年第4期659-662,共4页
针对每样本递推更新的在线建模方法计算消耗大、常用的人工智能建模方法学习速度慢的缺点,为能够对软测量模型进行有效更新和提高在线模型的学习速度,提出了一种基于选择性更新的在线核极限学习机(KELM)建模方法。该方法首先采用近似线... 针对每样本递推更新的在线建模方法计算消耗大、常用的人工智能建模方法学习速度慢的缺点,为能够对软测量模型进行有效更新和提高在线模型的学习速度,提出了一种基于选择性更新的在线核极限学习机(KELM)建模方法。该方法首先采用近似线性依靠(ALD)条件判别新样本与建模样本间的线性独立依靠程度,选择满足设定条件、含有足够新信息的样本对软测量模型进行更新,降低了模型在线学习次数;然后选择学习速度快、泛化性强的KELM方法建立软测量模型,有效地避免了极限学习机(ELM)模型固有的随机性和支持向量机(SVM)模型求解的复杂性;最后将ALD条件和KELM算法有效结合,提高了在线软测量模型的学习速度和预测性能。通过合成数据的仿真实验结果验证了所提方法的有效性。 展开更多
关键词 选择性更新 近似线性依靠(ALD) 极限学习(KELM) 在线建模
在线阅读 下载PDF
一种基于簇的极限学习机的在线学习算法 被引量:4
15
作者 张敏 曾新苗 马长春 《计算机工程与应用》 CSCD 2014年第11期188-191,266,共5页
针对传统的批量学习算法学习速度慢、对空间需求量高的缺点,提出了一种基于簇的极限学习机的在线学习算法。该算法将分簇的理念融入到极限学习机中,并结合极限学习机,提出了一种基于样本类别和样本输出的分簇标准;同时提出了一种加权的M... 针对传统的批量学习算法学习速度慢、对空间需求量高的缺点,提出了一种基于簇的极限学习机的在线学习算法。该算法将分簇的理念融入到极限学习机中,并结合极限学习机,提出了一种基于样本类别和样本输出的分簇标准;同时提出了一种加权的Moore-Penrose算法求隐层节点与输出节点的连接权重。实验结果表明,该算法具有学习能力好、拟合度高、泛化性能好等优点。 展开更多
关键词 极限学习 在线学习
在线阅读 下载PDF
基于改进在线核极限学习机的蓄电池SOC预测 被引量:4
16
作者 孙玉坤 李曼曼 黄永红 《系统仿真学报》 CAS CSCD 北大核心 2018年第3期969-975,共7页
为对蓄电池荷电状态(SOC)进行准确、快速的在线预测,提出一种改进的在线核极限学习机方法(IO-KELM),以电池工作电压、电流和表面温度为输入量,电池SOC为输出量建立预测模型。IO-KELM采用Cholesky分解将核极限学习机(KELM)从离线模式扩... 为对蓄电池荷电状态(SOC)进行准确、快速的在线预测,提出一种改进的在线核极限学习机方法(IO-KELM),以电池工作电压、电流和表面温度为输入量,电池SOC为输出量建立预测模型。IO-KELM采用Cholesky分解将核极限学习机(KELM)从离线模式扩展到在线模式,使网络输出权值随新样本的逐次加入递推求解更新,以简单的四则运算替代复杂的矩阵求逆,提高了网络的泛化能力和在线学习效率。仿真实验表明,相比于KELM及直接在线建模的KELM算法(DO-KELM),IO-KELM具有更高的预测精度、更强的鲁棒性及更快的计算速度。 展开更多
关键词 蓄电池 荷电状态 极限学习 CHOLESKY分解 在线预测
在线阅读 下载PDF
面向类别不平衡数据的主动在线加权极限学习机算法 被引量:2
17
作者 王长宝 李青雯 于化龙 《计算机科学》 CSCD 北大核心 2017年第12期221-226,254,共7页
针对在样本类别分布不平衡场景下,现有的主动学习算法普遍失效及训练时间过长等问题,提出采用建模速度更快的极限学习机,即ELM(Extreme Learning Machine)作为主动学习的基分类器,并以加权ELM算法用于主动学习过程的平衡控制,进而在理... 针对在样本类别分布不平衡场景下,现有的主动学习算法普遍失效及训练时间过长等问题,提出采用建模速度更快的极限学习机,即ELM(Extreme Learning Machine)作为主动学习的基分类器,并以加权ELM算法用于主动学习过程的平衡控制,进而在理论上推导了其在线学习的过程,大幅降低了主动学习的时间开销,并将最终的混合算法命名为AOW-ELM算法。通过12个基准的二类不平衡数据集验证了该算法的有效性与可行性。 展开更多
关键词 主动学习 类别不平衡学习 极限学习 加权极限学习 在线学习
在线阅读 下载PDF
基于在线贯序极限学习机的齿轮故障诊断方法 被引量:2
18
作者 秦波 刘永亮 +1 位作者 王建国 杨云中 《机械设计与制造》 北大核心 2016年第12期101-104,共4页
针对表征齿轮故障信息的特征难提取与极限学习机无法处理随时间变化的信息流,致使齿轮故障分类模型精度差、泛化能力弱的问题,提出一种基于在线贯序极限学习机的齿轮故障诊断方法。该方法首先将齿轮振动信号进行相空间重构,并对重构矩... 针对表征齿轮故障信息的特征难提取与极限学习机无法处理随时间变化的信息流,致使齿轮故障分类模型精度差、泛化能力弱的问题,提出一种基于在线贯序极限学习机的齿轮故障诊断方法。该方法首先将齿轮振动信号进行相空间重构,并对重构矩阵进行奇异值分解得到奇异值特征向量;其次,建立在线贯序极限学习机的齿轮故障分类模型,并将奇异值特征向量作为模型输入进行齿轮不同故障状态的辨识。实验结果表明:与基于BP、SVM与ELM的故障分类方法相比,基于基于在线贯序极限学习机的齿轮故障诊断方法具有更快的学习速度、更高的分类精度与更强的泛化能力。 展开更多
关键词 相空间重构 奇异值 在线贯序极限学习 齿轮 故障诊断
在线阅读 下载PDF
基于改进极限学习机算法的股票价格在线预测 被引量:2
19
作者 陆玉 张华 《计算机工程与应用》 CSCD 2014年第20期139-143,共5页
为了对股票价格进行准确、快速的在线预测,提出一种基于改进极限学习机算法(IELM)的股票价格在线预测模型。在极限学习机(ELM)中引入Cholesky分解方法,使网络权值随新样本的逐次加入递推更新,提高模型的泛化能力,加快网络学习效率,然后... 为了对股票价格进行准确、快速的在线预测,提出一种基于改进极限学习机算法(IELM)的股票价格在线预测模型。在极限学习机(ELM)中引入Cholesky分解方法,使网络权值随新样本的逐次加入递推更新,提高模型的泛化能力,加快网络学习效率,然后对交通银行股票(601328)的收盘价进行仿真实验。结果表明,相对于对比模型,IELM不仅提高了计算效率,而且提高了股票价格预测精度,可以实现股票价格快速、准确在线预测。 展开更多
关键词 股票价格 极限学习 在线预测 网络权值
在线阅读 下载PDF
工业机器人柔性关节迟滞特性的在线序列极限学习机混合建模 被引量:1
20
作者 党选举 司亚 姜辉 《机床与液压》 北大核心 2020年第23期7-12,共6页
为体现柔性关节迟滞的基本特性,构建一个类迟滞算子,将其与在线序列极限学习机(OS-ELM)串联,设计一种工业机器人柔性关节迟滞特性的在线序列极限学习机迟滞混合模型。在混合模型中,采用具有学习效率高、泛化能力强的在线序列极限学习机... 为体现柔性关节迟滞的基本特性,构建一个类迟滞算子,将其与在线序列极限学习机(OS-ELM)串联,设计一种工业机器人柔性关节迟滞特性的在线序列极限学习机迟滞混合模型。在混合模型中,采用具有学习效率高、泛化能力强的在线序列极限学习机,能有效地回避使用梯度下降法对模型参数学习时存在的速度慢和局部最小值问题,提高了建模精度。利用不同状态下的实验数据进行模型验证,结果表明所提出的迟滞混合模型具有高精度和较高的泛化能力。 展开更多
关键词 复杂迟滞特性 类迟滞算子 在线序列极限学习 谐波减速器 柔性关节
在线阅读 下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部