期刊文献+
共找到110篇文章
< 1 2 6 >
每页显示 20 50 100
针对动态非平衡数据集鲁棒的在线极端学习机 被引量:5
1
作者 张晶 冯林 《计算机研究与发展》 EI CSCD 北大核心 2015年第7期1487-1498,共12页
动态数据存在数据量动态改变,数据类别分布非平衡、不稳定等问题,这些问题成为分类的难点.针对该问题,通过对在线极端学习机模型进行拓展,提出鲁棒的权值在线极端学习机算法.为解决动态数据非平衡性,该算法借助代价敏感学习理论生成局... 动态数据存在数据量动态改变,数据类别分布非平衡、不稳定等问题,这些问题成为分类的难点.针对该问题,通过对在线极端学习机模型进行拓展,提出鲁棒的权值在线极端学习机算法.为解决动态数据非平衡性,该算法借助代价敏感学习理论生成局部动态权值矩阵,从而优化分类模型产生的经验风险.同时,算法进一步考虑动态数据由于时序性质改变造成的数据分布变化,而引入遗忘因子增强分类器对数据分布变更的敏感性.算法在不同数据分布的24个非平衡动态数据集上测试,取得了较好的效果. 展开更多
关键词 非平衡数据集 极端学习 在线极端学习 代价敏感学习 遗忘因子
在线阅读 下载PDF
利用神经元拓展正则极端学习机预测时间序列 被引量:2
2
作者 张弦 王宏力 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2011年第12期1510-1514,共5页
为实现对于时间序列预测数据的准确预测,提出一种神经元拓展正则极端学习机(NERELM,Neuron-Expanding Regularized Extreme Learning Machine),并研究了其在时间序列预测中的应用.NERELM根据结构风险最小化原理权衡经验风险与结构风险,... 为实现对于时间序列预测数据的准确预测,提出一种神经元拓展正则极端学习机(NERELM,Neuron-Expanding Regularized Extreme Learning Machine),并研究了其在时间序列预测中的应用.NERELM根据结构风险最小化原理权衡经验风险与结构风险,以逐次拓展隐层神经元的方式自动确定最佳的网络结构,以避免传统神经网络训练过程中需人为确定网络结构的弊端.应用于时间序列的仿真结果表明:NERELM可有效实现对于RELM最佳网络结构的自动确定,具有预测精度高与计算速度快的优点. 展开更多
关键词 神经网络 极端学习 正则极端学习 时间序列预测
在线阅读 下载PDF
基于样本熵和极端学习机的超短期风电功率组合预测模型 被引量:78
3
作者 张学清 梁军 +3 位作者 张熙 张峰 张利 徐兵 《中国电机工程学报》 EI CSCD 北大核心 2013年第25期33-40,8,共8页
该文提出一种经验模态分解(empirical mode decomposition,EMD)–样本熵(sample entropy,SE)和极端学习机(extreme learning machine,ELM)相结合的风电功率超短期预测方法。该方法首先利用EMD-SE将风电功率时间序列分解为一系列复杂度... 该文提出一种经验模态分解(empirical mode decomposition,EMD)–样本熵(sample entropy,SE)和极端学习机(extreme learning machine,ELM)相结合的风电功率超短期预测方法。该方法首先利用EMD-SE将风电功率时间序列分解为一系列复杂度差异明显的风电子序列;其次利用最小二乘支持向量机(least squares support vector machine,LSSVM)、极端学习机和经原始岭回归(primal ridgeregression,PRR)改进的极端学习机(PRR-ELM)对各子序列建立组合预测模型,并采用交叉验证法和重构相空间法确定各模型的参数和输入向量维数,以提高各组合模型的预测精度;最后以某一风电场实际采集的数据为算例,结果表明基于EMD-SE理论的ELM和PRR-ELM组合预测模型在预测精度和训练速度上都明显优于EMD-SE理论和LSSVM的组合模型,且其预测结果更接近于真实值,为实现风电功率在线的较高精度超短期预测提供了可能。 展开更多
关键词 风电预测 样本熵 极端学习 岭回归 支持向量机
在线阅读 下载PDF
短期负荷预测的集成改进极端学习机方法 被引量:22
4
作者 程松 闫建伟 +2 位作者 赵登福 王圈 王海明 《西安交通大学学报》 EI CAS CSCD 北大核心 2009年第2期106-110,共5页
首次将极端学习机(ELM)理论引入短期负荷预测领域,并以BFGS拟牛顿法对ELM网络左侧权值进行优化训练调整,形成基于迭代-解析的改进ELM预测模型.同时,采用集成技术Boosting算法,生成多个差异度大的改进ELM子网络,对其进行加权组合,构建了... 首次将极端学习机(ELM)理论引入短期负荷预测领域,并以BFGS拟牛顿法对ELM网络左侧权值进行优化训练调整,形成基于迭代-解析的改进ELM预测模型.同时,采用集成技术Boosting算法,生成多个差异度大的改进ELM子网络,对其进行加权组合,构建了集成改进极端学习机预测模型.该模型不仅有效避免了极端学习机左侧权值随机给定的输出稳定性问题,而且克服了单一网络预测模型泛化能力较差等缺陷. 展开更多
关键词 极端学习 短期负荷预测 训练 集成技术
在线阅读 下载PDF
基于代价敏感极端学习机的电力系统暂态稳定评估方法 被引量:23
5
作者 陈振 肖先勇 +2 位作者 李长松 张殷 胡清泉 《电力自动化设备》 EI CSCD 北大核心 2016年第2期118-123,共6页
针对电力系统暂态稳定评估中稳定样本与不稳定样本误分类代价不同的特点,提出一种基于代价敏感极端学习机的电力系统暂态稳定评估方法。该方法在现有极端学习机的基础上,引入误分类代价的概念,以误分类代价最小为目标,构造代价敏感极端... 针对电力系统暂态稳定评估中稳定样本与不稳定样本误分类代价不同的特点,提出一种基于代价敏感极端学习机的电力系统暂态稳定评估方法。该方法在现有极端学习机的基础上,引入误分类代价的概念,以误分类代价最小为目标,构造代价敏感极端学习机,克服了现有极端学习机应用于暂态稳定评估时只追求高的分类准确率而忽略不稳定样本漏报率的缺点。新英格兰39节点系统和IEEE 145节点系统的仿真结果表明,所提方法的评估结果更倾向于将样本划分为误分类代价大的不稳定样本,以减小总的误分类代价。通过调整误分类代价矩阵,不仅可以使漏报率降为0,还能使稳定样本的误报率维持在较低的水平,保证了评估结果的可靠性。 展开更多
关键词 电力系统 暂态稳定 评估 极端学习 误分类代价 漏报率 稳定性
在线阅读 下载PDF
基于非负矩阵分解与改进极端学习机的变压器油中溶解气体浓度预测模型 被引量:8
6
作者 刘亚南 范立新 +3 位作者 徐钢 唐一铭 刘全 都晨 《高压电器》 CAS CSCD 北大核心 2016年第1期162-169,共8页
变压器油中溶解气体浓度是评估变压器绝缘状态的重要依据,对气体浓度进行有效预测,可以及时识别变压器潜伏性故障。文中提出一种基于非负矩阵分解(nonnegative matrix factorization,NMF)与改进极端学习机(extreme learning machine,ELM... 变压器油中溶解气体浓度是评估变压器绝缘状态的重要依据,对气体浓度进行有效预测,可以及时识别变压器潜伏性故障。文中提出一种基于非负矩阵分解(nonnegative matrix factorization,NMF)与改进极端学习机(extreme learning machine,ELM)组合的变压器中溶解气体浓度预测模型。该方法通过NMF算法对输入样本进行分解,同时引入Adaboost算法对极端学习机进行改进;将低维矩阵作为模型的训练样本输入,剔除冗余数据,提高预测精度。实例分析结果表明,文中提出的方法能有效地降低输入样本维数,提高预测精度,能较好地解决变压器油中溶解气体浓度预测问题。 展开更多
关键词 变压器 溶解气体 非负矩阵分解 极端学习 ADABOOST算法
在线阅读 下载PDF
基于改进极端学习机的混沌时间序列瓦斯涌出量预测 被引量:19
7
作者 单亚锋 侯福营 +1 位作者 付华 马静波 《中国安全科学学报》 CAS CSCD 北大核心 2012年第12期58-63,共6页
为更准确地预测瓦斯涌出量,预防瓦斯灾害,有必要建立和应用基于改进极端学习机(IELM)的混沌时间序列预测模型。首先,对瓦斯涌出量监测数据构成的多变量时间序列进行相空间重构,采用互信息法与虚假邻点法得到每一变量的延迟时间和最佳嵌... 为更准确地预测瓦斯涌出量,预防瓦斯灾害,有必要建立和应用基于改进极端学习机(IELM)的混沌时间序列预测模型。首先,对瓦斯涌出量监测数据构成的多变量时间序列进行相空间重构,采用互信息法与虚假邻点法得到每一变量的延迟时间和最佳嵌入维数;然后,通过最小二乘方法和误差反馈原理计算出最优的网络输入层到隐含层的学习参数,对极端学习机(ELM)进行改进;最后,借助IELM建立瓦斯混沌时间序列的预测模型。通过仿真试验,运用该预测模型预测的最大相对误差为3.290 2%,最小相对误差为0.898 2%,平均相对误差为1.952 8%。 展开更多
关键词 混沌预测 多变量时间序列 相空间重构 极端学习机(ELM) 瓦斯涌出
在线阅读 下载PDF
基于谱聚类和优化极端学习机的超短期风速预测 被引量:32
8
作者 王辉 刘达 王继龙 《电网技术》 EI CSCD 北大核心 2015年第5期1307-1314,共8页
较高精度的超短期风速预测是并网运行风电场风电功率预测预报系统建立和运行的必要前提及保证。由于风速影响因素众多,具有较大的波动性和随机性,并具有高度的自相关性,给传统的风速预测方法带来了极大的挑战。提出一种基于谱聚类和极... 较高精度的超短期风速预测是并网运行风电场风电功率预测预报系统建立和运行的必要前提及保证。由于风速影响因素众多,具有较大的波动性和随机性,并具有高度的自相关性,给传统的风速预测方法带来了极大的挑战。提出一种基于谱聚类和极端学习机的超短期风速预测方法。该方法首先利用小波变换和主成分分析对风速数据进行去噪和降维处理,剔除数据的不规则波动,有效降低数据维度;然后分别应用谱聚类对小波变换后的各分解序列进行聚类分析,减少训练样本空间,提高样本有效性,降低计算复杂度;再应用极端学习机对各分解序列分别进行训练,同时通过遗传算法对极端学习机输入权值、偏置等参数进行优化,确保各分解序列输出最佳预测模型;最后将各分解序列预测结果相加得到最终预测结果。以某风电场实际数据进行的建模结果表明该模型有效实现了对风速的超短期、多步预测,采用的方法合理有效。 展开更多
关键词 超短期风速预测 谱聚类 极端学习
在线阅读 下载PDF
基于极端学习机的光伏发电功率短期预测 被引量:12
9
作者 刘士荣 李松峰 +2 位作者 宁康红 周啸波 荣延泽 《控制工程》 CSCD 北大核心 2013年第2期372-376,共5页
为了进一步提高光伏发电功率的预测准确度,首次将极端学习机方法(ELM)和相似日方法结合并引入光伏发电功率短期预测领域。通过分析影响光伏发电功率的各个因素,分时段预测光伏发电功率。该方法在不同时间段中利用相似日评价函数选取历... 为了进一步提高光伏发电功率的预测准确度,首次将极端学习机方法(ELM)和相似日方法结合并引入光伏发电功率短期预测领域。通过分析影响光伏发电功率的各个因素,分时段预测光伏发电功率。该方法在不同时间段中利用相似日评价函数选取历史相似日,结合预测日的天气因素,采用极端学习机对预测日对应时段的发电功率进行预测。通过对预测效果进行比较和分析,结果表明该方法比传统的神经网络预测算法有更好的预测效果。 展开更多
关键词 光伏发电系统 相似日 极端学习 发电功率预测
在线阅读 下载PDF
基于固定尺寸序贯极端学习机的模拟电路在线故障诊断 被引量:9
10
作者 王宏力 何星 +1 位作者 陆敬辉 姜伟 《仪器仪表学报》 EI CAS CSCD 北大核心 2014年第4期738-744,共7页
为了提高极端学习机(ELM)对电子系统的在线诊断能力,提出了一种新的固定尺寸序贯极端学习机(FSSELM)。FSSELM通过逐步添加新样本,同时剔除与其相似度最高的旧样本来提高极端学习机对待测系统的动态适应能力,并通过Sherman-Morrison矩阵... 为了提高极端学习机(ELM)对电子系统的在线诊断能力,提出了一种新的固定尺寸序贯极端学习机(FSSELM)。FSSELM通过逐步添加新样本,同时剔除与其相似度最高的旧样本来提高极端学习机对待测系统的动态适应能力,并通过Sherman-Morrison矩阵求逆引理来降低计算复杂度,实现输出权值的递推求解,完成分类模型的在线训练。应用FSSELM进行模拟电路故障在线诊断,仿真结果表明相比在线序贯极端学习机(OS-ELM),FSSELM对故障的在线诊断准确率更高,具有更好的泛化性能。 展开更多
关键词 极端学习 模拟电路 故障诊断 在线训练 相似度
在线阅读 下载PDF
高维数据中鲁棒激活函数的极端学习机及线性降维 被引量:12
11
作者 冯林 刘胜蓝 +1 位作者 张晶 王辉兵 《计算机研究与发展》 EI CSCD 北大核心 2014年第6期1331-1340,共10页
极端学习机(extreme learning machine,ELM)训练速度快、分类率高,已经广泛应用于人脸识别等实际问题中,并取得了较好的效果.但实际问题中的数据往往维数较高,且经常带有噪声及离群点,降低了ELM算法的分类率.这主要是由于:1)输入样本维... 极端学习机(extreme learning machine,ELM)训练速度快、分类率高,已经广泛应用于人脸识别等实际问题中,并取得了较好的效果.但实际问题中的数据往往维数较高,且经常带有噪声及离群点,降低了ELM算法的分类率.这主要是由于:1)输入样本维数过高;2)激活函数选取不当.以上两点使激活函数的输出值趋于零,最终降低了ELM算法的性能.针对第1个问题,提出一种鲁棒的线性降维方法(RAF-global embedding,RAF-GE)预处理高维数据,再通过ELM算法对数据进行分类;而对第2个问题,深入分析不同激活函数的性质,提出一种鲁棒激活函数(robust activation function,RAF),该激活函数可尽量避免激活函数的输出值趋于零,提升RAF-GE及ELM算法的性能.实验证实人脸识别方法的性能普遍优于使用其他激活函数的对比方法. 展开更多
关键词 极端学习 线性降维 鲁棒激活函数 高维数据 神经网络
在线阅读 下载PDF
基于成员相似性的集成极端学习机 被引量:1
12
作者 叶松林 韩飞 赵敏汝 《计算机应用》 CSCD 北大核心 2014年第4期1089-1093,共5页
为了增大各成员间的差异度以改善集成系统的性能,提出了一种基于成员间相似性选择的集成极端学习机(ELM)。首先,筛选出分类性能较高的备选极端学习机;其次,根据成员间的相似性运用微粒群算法(PSO)进一步选出最优的集成成员集合。通过选... 为了增大各成员间的差异度以改善集成系统的性能,提出了一种基于成员间相似性选择的集成极端学习机(ELM)。首先,筛选出分类性能较高的备选极端学习机;其次,根据成员间的相似性运用微粒群算法(PSO)进一步选出最优的集成成员集合。通过选出相似度低的极端学习机来提高集成成员间差异度,从而有效提高集成系统的分类能力。选出的成员学习机在不同的集成规则下都具有良好性能。在四个UCI数据集上的实验结果表明,与经典的集成极端学习机相比,基于成员相似性选择的集成极端学习机具有更优的泛化性能和稳定性。 展开更多
关键词 微粒群算法 集成极端学习 成员相似性 极端学习 泛化性能
在线阅读 下载PDF
相空间重构的极端学习机短期风速预测模型 被引量:15
13
作者 武峰雨 乐秀璠 南东亮 《电力系统及其自动化学报》 CSCD 北大核心 2013年第1期136-141,共6页
对风速进行快速、准确的预测,可以有效地减小或避免风电场对电力系统的不利影响,同时提高风电场在电力市场中的竞争能力。根据风速具有混沌特性,提出一种相空间重构的极端学习机(extreme learningmachine,ELM)的短期风速预测模型,通过... 对风速进行快速、准确的预测,可以有效地减小或避免风电场对电力系统的不利影响,同时提高风电场在电力市场中的竞争能力。根据风速具有混沌特性,提出一种相空间重构的极端学习机(extreme learningmachine,ELM)的短期风速预测模型,通过确定延迟时间和嵌入维数,对样本空间进行重构,使新的样本更能反映风速变化特性,在此基础上运用ELM进行短期风速预测。与传统的预测模型相比,该方法具有学习速度快、泛化性能好等优点,为风速预测提供了新方法。 展开更多
关键词 风力发电 短期风速预测 混沌特性 相空间重构 极端学习
在线阅读 下载PDF
基于随机子空间核极端学习机集成的高光谱遥感图像分类 被引量:8
14
作者 宋相法 曹志伟 +1 位作者 郑逢斌 焦李成 《计算机科学》 CSCD 北大核心 2016年第3期301-304,共4页
结合随机子空间和核极端学习机集成提出了一种新的高光谱遥感图像分类方法。首先利用随机子空间方法从高光谱遥感图像数据的整体特征中随机生成多个大小相同的特征子集;然后利用核极端学习机在这些特征子集上进行训练从而获得基分类器;... 结合随机子空间和核极端学习机集成提出了一种新的高光谱遥感图像分类方法。首先利用随机子空间方法从高光谱遥感图像数据的整体特征中随机生成多个大小相同的特征子集;然后利用核极端学习机在这些特征子集上进行训练从而获得基分类器;最后将所有基分类器的输出集成起来,通过投票机制得到分类结果。在高光谱遥感图像数据集上的实验结果表明:所提方法能够提高分类效果,且其分类总精度要高于核极端学习机和随机森林方法。 展开更多
关键词 高光谱遥感图像分类 极端学习 随机子空间 分类器集成
在线阅读 下载PDF
基于互信息属性分析与极端学习机的超短期风速预测 被引量:4
15
作者 黄南天 袁翀 +3 位作者 王新库 张建业 王文婷 王文霞 《电工电能新技术》 CSCD 北大核心 2016年第10期29-34,共6页
超短期风速预测对保证风电并网运行可靠性和维持电力系统安全稳定具有重要的意义,针对风速预测中不同因素对风速影响程度不同的特点,本文提出一种基于互信息属性分析与极端学习机的超短期风速预测方法。首先,选取与风速相关的68种候选... 超短期风速预测对保证风电并网运行可靠性和维持电力系统安全稳定具有重要的意义,针对风速预测中不同因素对风速影响程度不同的特点,本文提出一种基于互信息属性分析与极端学习机的超短期风速预测方法。首先,选取与风速相关的68种候选属性因素,分别计算其相对于风速序列的互信息值,根据互信息,衡量属性对风速的影响程度,并选择输入属性;然后,由互信息值计算属性权值;之后,采用加权处理后的属性值来训练极端学习机,构建风速预测模型;最后,采用新模型预测未来4h内风速。采用北纬39.91°、西经105.29°的美国风能技术中心的实测数据开展实验,实验结果表明,新方法具有良好的预测精度,能够满足实际风速预测需要。 展开更多
关键词 风速预测 互信息 极端学习 预测精度
在线阅读 下载PDF
多元混沌时间序列的加权极端学习机预测 被引量:14
16
作者 韩敏 王新迎 《控制理论与应用》 EI CAS CSCD 北大核心 2013年第11期1467-1472,共6页
针对多元混沌时间序列具有强非线性,难以建立数学模型进行准确预测的问题,本文提出一种加权极端学习机预测算法.首先对多元混沌时间序列进行相空间重构,并根据相空间中输入数据对预测误差的影响施加不同的权重.然后,提出一种支持向量极... 针对多元混沌时间序列具有强非线性,难以建立数学模型进行准确预测的问题,本文提出一种加权极端学习机预测算法.首先对多元混沌时间序列进行相空间重构,并根据相空间中输入数据对预测误差的影响施加不同的权重.然后,提出一种支持向量极端学习机预测模型,具有支持向量机的核映射表达能力以及极端学习机的一步快速训练能力,因此训练简便且具有较好的泛化性能.所提算法具有和训练样本三次方成正比的计算复杂度,因此适用于102?103样本规模的平稳时间序列.基于Lorenz混沌时间序列和年太阳黑子和黄河年径流混沌时间序列预测的仿真结果证明所提算法的有效性. 展开更多
关键词 时间序列 预测 极端学习 支持向量机 样本加权
在线阅读 下载PDF
基于关联维数与极端学习机的高压输电线路雷击过电压故障识别 被引量:22
17
作者 缪希仁 林瑞聪 《高电压技术》 EI CAS CSCD 北大核心 2016年第5期1519-1526,共8页
雷击造成输电线路跳闸是高压输电线路的主要故障。目前,雷击过电压故障主要采用行波技术加以雷击定位及数据记录,尚缺乏对雷击故障较为有效的智能处理技术。采用ATP-EMTP对雷击过电压的反击与绕击故障加以有效仿真,研究采用经验模态分解... 雷击造成输电线路跳闸是高压输电线路的主要故障。目前,雷击过电压故障主要采用行波技术加以雷击定位及数据记录,尚缺乏对雷击故障较为有效的智能处理技术。采用ATP-EMTP对雷击过电压的反击与绕击故障加以有效仿真,研究采用经验模态分解(empirical mode decomposition,EMD)与分形理论关联维数相结合的方法进行雷击过电压故障信号故障分析及其特征量提取,运用方差贡献率确定前4阶本征模函数(intrinsic mode function,IMF)分量用于体现故障过电压的主要特征信息。最后,引入极端学习机(extreme learning machine,ELM)建立高压输电线路雷击过电压故障的诊断与识别模型。仿真表明,在经验模态分解与关联维数相结合的高压输电线路雷击过电压故障特征提取的基础上,对击中杆塔、避雷线与三相输电线路的雷击过电压故障分别采用极端学习机实现了有效的识别。 展开更多
关键词 雷击过电压 经验模态分解 关联维数 方差贡献率 极端学习 故障识别
在线阅读 下载PDF
基于极端学习机背景预测的红外小目标检测算法 被引量:3
18
作者 赵爱罡 王宏力 +3 位作者 杨小冈 陆敬辉 姜伟 黄鹏杰 《中国惯性技术学报》 EI CSCD 北大核心 2016年第1期36-44,共9页
为自适应检测复杂环境中的红外小目标,提出了基于极端学习机背景预测的红外小目标检测算法。首先,依据灰度值分布设计局部边缘敏感平滑滤波器,在相近的灰度范围内,使中心像素的灰度值等于邻域内多数灰度值的融合,对红外图像进行滤波,能... 为自适应检测复杂环境中的红外小目标,提出了基于极端学习机背景预测的红外小目标检测算法。首先,依据灰度值分布设计局部边缘敏感平滑滤波器,在相近的灰度范围内,使中心像素的灰度值等于邻域内多数灰度值的融合,对红外图像进行滤波,能够去除大量噪声并突出图像主要结构;其次,利用极端学习机对滤波后的图像建立回归模型,以邻域像素值为输入,以中心像素值为输出训练模型,并对背景进行预测,得到的图像与滤波后的图像做差,得到小目标显著图;最后,利用图像块对比特性对显著区域处理,使小目标区域均匀突出,抑制背景区域,并经过简单阈值操作,实现对红外小目标的检测。实验结果表明:与其他检测算法相比,在复杂背景下,本文算法检测结果的局部信噪比增益最高,单帧检测时间为0.18 s。本文算法对背景进行学习,发掘背景与目标的差异,提高了算法的适应能力,并且能够有效检测小目标。 展开更多
关键词 极端学习 红外小目标 背景预测 回归模型
在线阅读 下载PDF
局域极端学习机及其在状态在线监测中的应用 被引量:12
19
作者 张弦 王宏力 《上海交通大学学报》 EI CAS CSCD 北大核心 2011年第2期236-240,共5页
针对训练样本贯序输入时的极端学习机(ELM)训练问题,提出一种可实现在线训练的局域极端学习机(LELM).LELM以逐次增样训练与减样训练的方式实现在线训练,从而有效保持了简约的模型结构,同时利用分块矩阵求逆引理有效减小了多次模型训练... 针对训练样本贯序输入时的极端学习机(ELM)训练问题,提出一种可实现在线训练的局域极端学习机(LELM).LELM以逐次增样训练与减样训练的方式实现在线训练,从而有效保持了简约的模型结构,同时利用分块矩阵求逆引理有效减小了多次模型训练的计算代价.混沌时间序列在线预测仿真表明,LELM的在线训练时间远小于ELM,且预测精度更高.基于时间序列预测的雷达发射机状态在线监测实例表明,相比于利用粒子群优化的自适应灰色模型方法,LELM具有更高的计算效率与预测精度,适用于电子系统状态在线监测. 展开更多
关键词 极端学习 在线训练 电子系统 时间序列预测 状态监测
在线阅读 下载PDF
基于混合鸡群算法和核极端学习机的锅炉NO_x排放的预测 被引量:9
20
作者 牛培峰 丁翔 +2 位作者 刘楠 常玲芳 张先臣 《计量学报》 CSCD 北大核心 2019年第5期929-936,共8页
以某300MW亚临界循环流化床锅炉为研究对象,对锅炉的NOx排放量进行预测。利用模拟退火混合鸡群算法(SACSO)和核极端学习机(KELM)对不同工况下NOx的排放量进行建模;对比了差分进化算法,粒子群算法和原始鸡群算法,证明了改进后算法的优越... 以某300MW亚临界循环流化床锅炉为研究对象,对锅炉的NOx排放量进行预测。利用模拟退火混合鸡群算法(SACSO)和核极端学习机(KELM)对不同工况下NOx的排放量进行建模;对比了差分进化算法,粒子群算法和原始鸡群算法,证明了改进后算法的优越性;之后,又对传统BP算法,支持向量机,极端学习机和核极端学习机模型进行对比;最终确定的SACSO-KELM模型具有更高的预测精度和稳定性以及更好的泛化能力,可选择将此模型用于锅炉NOx排放的建模预测。 展开更多
关键词 计量学 氮氧化物排放 循环流化床锅炉 模拟退火算法 鸡群算法 支持向量机 极端学习
在线阅读 下载PDF
上一页 1 2 6 下一页 到第
使用帮助 返回顶部