%0 Journal Article
%T 一种新的混合智能极限学习机
%A 林梅金
%A 罗飞
%A 苏彩红
%A 许玉格
%J 控制与决策
%P 1078-1084
%D 2015
%R 10.13195/j.kzyjc.2014.0321
%X 提出一种基于差分进化(DE)和粒子群优化(PSO)的混合智能方法—–DEPSO算法,并通过对10个典型函数进行测试,表明DEPSO算法具有良好的寻优性能.针对单隐层前向神经网络(SLFNs)提出一种改进的学习算法-----DEPSO-ELM算法,即应用DEPSO算法优化SLFNs的隐层节点参数,采用极限学习算法(ELM)求取SLFNs的输出权值.将DEPSO-ELM算法应用于6个典型真实数据集的回归计算,并与DE-ELM、SaE-ELM算法相比,获得了更精确的计算结果.最后,将DEPSO-ELM算法应用于数控机床热误差的建模预测,获得了良好的预测效果.
%K 粒子群优化算法
%K 差分进化算法
%K 极限学习机
%K 混合
%U http://www.kzyjc.net:8080/CN/abstract/abstract13063.shtml