三，ELM 的學習算法由以上分析可知，ELM 在訓練之前可以隨機產生 w 和 b ，只需確定隱含層神經元個數及隱含層神經元的激活函數（無限可微），即可計算出 .具體地，ELM的學習算法主要有以下幾個步驟：(1) 確定隱含層神經元個數，隨機設定輸入層與隱含層的連接權值 w 和隱含層神經元的閾值b ；(2) 選擇一個無限可微的函數作為隱含層神經元的激活函數，進而計算隱含層輸出矩陣 H ；(3) 計算輸出層權值 ' ^ ^ : H T . 值得一提的是，相關研究結果表明，在 ELM 中不僅許多非線性激活函數都可以使用（如 S 型函數，正弦函數和復合函數等），還可以使用不可微函數，甚至使用不連續的函數作為激活函數。四， ELM 當前研究現狀ELM 以其學習速度快，泛化性能好等優點，引起了國內外許多專家和學者的研究和關注。ELM 不僅適用于回歸，擬合問題，亦適用于分類，模式識別等領域，因此，其在各個領域均得到廣泛的應用。同時，不少改進的方法和策略也被不斷提及，ELM 的性能也得到了很大的提升，其應用范圍亦愈來愈廣，其重要性亦日益體現出來。
極限學習機原理介紹.pdf
(143.63 KB, 下載次數: 21)