简单易学的机器学习算法——极限学习机(ELM)
来源:互联网 发布:golang defer func 编辑:程序博客网 时间:2024/05/01 08:32
一、极限学习机的概念
极限学习机(Extreme Learning Machine) ELM,是由黄广斌提出来的求解单隐层神经网络的算法。
ELM最大的特点是对于传统的神经网络,尤其是单隐层前馈神经网络(SLFNs),在保证学习精度的前提下比传统的学习算法速度更快。
二、极限学习机的原理
ELM是一种新型的快速学习算法,对于单隐层神经网络,ELM 可以随机初始化输入权重和偏置并得到相应的输出权重。
(选自黄广斌老师的PPT)
对于一个单隐层神经网络(见Figure 1),假设有个任意的样本,其中,。对于一个有个隐层节点的单隐层神经网络可以表示为
其中,为激活函数,为输入权重,为输出权重,是第个隐层单元的偏置。表示和的内积。
单隐层神经网络学习的目标是使得输出的误差最小,可以表示为
即存在,和,使得
可以矩阵表示为
其中,是隐层节点的输出,为输出权重,为期望输出。
,
为了能够训练单隐层神经网络,我们希望得到,和,使得
其中,,这等价于最小化损失函数
传统的一些基于梯度下降法的算法,可以用来求解这样的问题,但是基本的基于梯度的学习算法需要在迭代的过程中调整所有参数。而在ELM算法中, 一旦输入权重和隐层的偏置被随机确定,隐层的输出矩阵就被唯一确定。训练单隐层神经网络可以转化为求解一个线性系统。并且输出权重可以被确定
其中,是矩阵的Moore-Penrose广义逆。且可证明求得的解的范数是最小的并且唯一。
三、实验
我们使用《简单易学的机器学习算法——Logistic回归》中的实验数据。
原始数据集
我们采用统计错误率的方式来评价实验的效果,其中错误率公式为:
对于这样一个简单的问题,。
0 0
- 简单易学的机器学习算法——极限学习机(ELM)
- 简单易学的机器学习算法——在线顺序极限学习机OS-ELM
- 简单易学的机器学习算法——极限学习机(ELM)
- 简单易学的机器学习算法——极限学习机(ELM)
- 简单易学的机器学习算法——极限学习机(ELM)
- 简单易学的机器学习算法——极限学习机(ELM)
- 简单易学的机器学习算法——极限学习机(ELM)
- 机器学习算法(分类算法)—极限学习机(ELM)
- 机器学习算法——极限学习机(ELM)
- ELM极限学习机算法
- 极限学习机(ELM)算法的matlab与C++实现
- 极限学习机(ELM)算法的介绍与实现
- 极限学习机(ELM)算法的matlab与C++实现
- 简单易学的机器学习算法——Apriori算法
- 简单易学的机器学习算法——Apriori算法
- 简单易学的机器学习算法——EM算法
- 简单易学的机器学习算法——朴素贝叶斯
- 简单易学的机器学习算法——Logistic回归
- 登录窗体--机房收费系统
- SDUT OJ 3362 数据结构实验之图论六:村村通公路
- 排列
- PHP 底层的运行机制与原理
- 解决Vim/Gvim插入模式下backspace按键无法删除字符的问题
- 简单易学的机器学习算法——极限学习机(ELM)
- shell的GoodCoder的编写
- 总结
- 四、用文件对数据进行存储
- Python学习笔记--DataFrame使用
- ZZULI 1917: E
- 位运算入门应用以及技巧
- 【BZOJ1013】球形空间产生器,第一次的高斯消元
- 五、Android的assets资源使用