%0 Journal Article
%T 双并行结构优化的极限学习机及其在回归数据集中的应用
%A 崔玉龙
%A 张雅静
%A 辛 博
%A 韩静文
%J 内蒙古大学学报(自然科学版)
%D 2017
%X 极限学习机（ELM）发展自单隐含层前馈神经网络算法,其理论简单,运行快速,应用非常广泛.为了提高ELM的泛化性能,提出了一种带有双并行结构的优化ELM算法（DP-ELM）.在DP-ELM中,建立输入层和输出层间特殊的连接,使得DP-ELM的输出节点不仅可以接收隐含层节点的信息,也可直接接收输入节点的自信息.利用3组回归数据集验证算法性能,实验结果证明,与ELM相比,DP-ELM可以达到更好的回归精度以及更稳定的泛化能力
%K 极限学习机
%K 单隐含层前馈神经网络
%K 神经网络
%K 回归
%U http://ndxbzkb.imu.edu.cn/oa/DArticle.aspx?type=view&id=20170213