极限学习机原理(含公式推导透彻)
写在前面:本文主要介绍elm极限学习机的原理及公式推导
一.传统的前馈神经网络结构
1.前馈神经网络结构
传统的单隐层前馈神经网络,输入层n个神经元、隐含层L个、输出层m个神经元,如图1。
对于该种神经网络,有3个重要参数决定了该网络输入到输出的计算过程。你可以理解为一个函数,其中关键的参数就是这三个。分别是输入层权值、隐含层权值、隐含层偏置。
输入层与隐含层连接权值W,比如Wji表示输入层第i个,与隐含层第j个神经元的连接权值。
隐含层权值矩阵:隐含层与输出层之间的连接权值β,其中βjk表示隐含层第j个神经元与输出层第k个神经元之间的连接权值。
隐含层神经偏置矩阵b:为一维矩阵,代表对输出的调整。(个人理解)
2.模型如何预测结果
以分类任务为例。
设有Q个样本的训练集,输入矩阵X(特征矩阵),输出矩阵Y(分类矩阵)。
对于分类任务,Q个样本情况下,有n个特征时X为nQ矩阵。而类别矩阵为1Q矩阵。
设隐含层神经元激活函数为g(x) (我理解这个激活函数就是模拟神经细胞的工作方式)
设网络输出为T。(网络的输出,实际上就是预测的分类结果)
如上面公式,现在把矩阵T表示为tj的列向量的集合。
其中tj为:
tmj是怎么计算的呢?
将下面求和,这个被求和的数字是怎么计算出来的呢:是隐含层权值矩阵的元素与g(x)相乘,里面的x的计算方法:用行向量wi乘列向量xj再与隐含层偏置矩阵的元素相加。
见下公式自己理解:
我们继续把上面的公式简化为矩阵表示,其中w、x如下
现在把H称为:隐含层输出矩阵,也就是将上上图中g的部分表示为矩阵。
然后把T表示为矩阵乘法的形式
Hβ=T ′ ,这个 ′ 表示矩阵转置 ,注意这个T就是我们要的预测结果。
二.elm极限学习机
从一可知,我们了解了以上的两个权值矩阵和一个偏置矩阵,就相当于知道了该神经网络模型。
此时输入数据,就会得到预测结果。
黄广斌根据理论分析,ELM在训练之前可以随机产生w 和b,只需要确定隐含层神经元个数个数及隐含层神经元的激活函数(无限可微),即可计算出β 。
以下是他的理论依据。
1.黄广斌提出的定理
(没看懂,总之就是说w和b可以随机确定)
2.ELM算法流程
(PS:阈值就是偏置)
最重要的这个β怎么计算呢,根据Hβ=T ′ ,β=H(逆矩阵)T ′ 。
(PS:这里面H的逆矩阵是伪逆矩阵,因为H可能不是nn方阵,可能会是nm这种)
原理参考:
极限学习机
2018-3-31 ELM极限学习机–笔记
极限学习机的matlab仿真参考:
极限学习机ELM回归预测及其MATLAB代码实现
极限学习机( Extreme Learning Machine, ELM)
极限学习机(ELM)从原理到程序实现
如果您觉得本文写的不错,欢迎点赞评论收藏!
极限学习机原理(含公式推导透彻)相关推荐
- 【UWB】ELM 极限学习机原理及公式推导
文章目录 简介 Ref: 关于代码实现请参考:[UWB]ELM,Extreme Learning Machine 极限学习机 简介 极限学习机(Extreme Learning Machine) EL ...
- 【ELM预测】基于粒子群算法PSO优化极限学习机预测含Matlab源码
1 模型 为了提高空气质量预测精度,提出一种基于粒子群算法优化极限学习机的空气质量预测模型.运用粒子群算法优化极限学习机的初始权值和偏置,在保证预测误差最小的情况下实现空气质量最优预测.选择平均绝对百 ...
- 2018-3-31 ELM极限学习机--笔记(黄广斌PPT,以及极限学习机原理介绍的部分,但是忘记网址了)
1.创始人: 黄教授微博: 黄广斌-ELM的微博_微博 https://weibo.com/elm201x 文章来源: Extreme Learning Machines: Random Neuron ...
- 基于樽海鞘算法的极限学习机(ELM)回归预测-附代码
基于樽海鞘算法的极限学习机(ELM)回归预测 文章目录 基于樽海鞘算法的极限学习机(ELM)回归预测 1.极限学习机原理概述 2.ELM学习算法 3.回归问题数据处理 4.基于樽海鞘算法优化的ELM ...
- 基于哈里斯鹰算法的极限学习机(ELM)分类算法-附代码
基于哈里斯鹰算法的极限学习机(ELM)分类算法 文章目录 基于哈里斯鹰算法的极限学习机(ELM)分类算法 1.极限学习机原理概述 2.ELM学习算法 3.分类问题 4.基于哈里斯鹰算法优化的ELM 5 ...
- 基于粒子群算法的极限学习机(ELM)分类算法-附代码
基于粒子群算法的极限学习机(ELM)分类算法 文章目录 基于粒子群算法的极限学习机(ELM)分类算法 1.极限学习机原理概述 2.ELM学习算法 3.分类问题 4.基于粒子群算法优化的ELM 5.测试 ...
- 极限学习机(Extreme Learning Machine)概述
摘要 当今研究领域的一项事实就是,前向神经网络(feed-forward neural networks)的训练速度比人们所期望的速度要慢很多.并且,在过去的几十年中,前向神经网络在应用领域存在着很大 ...
- 图半监督极限学习机用于分类
0.前言 前期博文适用于小样本时间序列预测的图半监督学习方法介绍了图半监督方法,本博文先将图半监督方法与ELM结合用于分类,检验图半监督学习方法的有效性.后期博文将复现博文适用于小样本时间序列预测的图 ...
- MATLAB机器学习系列-8 极限学习机(Extreme Learning Machine, ELM)原理及其代码实现
极限学习机(Extreme Learning Machine, ELM) 极限学习机网络结构和BP网络结构类似. 和BP神经网络不同点: 极限学习机输入层到隐含层的权重W是可以随意指定的.BP神经网络 ...
- 极限学习机(ELM)算法原理及C++代码实现
从事机器学习研究两年多了,第一个用的算法就是极限学习机,CSDN算是我的领路人,在此感谢一下CSDN上分享知识的大神们,即将毕业,所学颇杂,想在此开始总结一下,顺便也为即将入坑的新手们做一些贡献.第一 ...
最新文章
- appium java类库下载,appium 简明教程 (4)——appium client 的安装
- 豆瓣9.3的纪录片《西南联大》告诉你:大学学风应如是!
- HLSL bytecode to GLSL编译器的第一步
- 8个提高工作效率的Web前端开发框架总结
- install lsa package for R on ubuntu 10.04 lts lucid
- [转载] python3 numpy函数_Python numpy总结(3)——常用函数用法
- Android SwipeRefreshLayout 实现下拉刷新1
- 湖泊的水色、水环境、水文遥感的区别
- 数据结构与程序的关系_java主程:数据结构和算法的区别别再搞混了,否则开除...
- Maven SCM Release版本控制与发布
- 随机森林(Random Forest)算法原理总结
- html及css中页面总宽度的代码,css 宽度(CSS width)
- 英国AI创业公司Hazy获180万美元种子轮融资
- Matlab 函数circShift、psf2otf 的 python(Numpy)实现
- 淘气的小丁-抽奖小游戏
- 梦幻西游python验证成语_python正则表达式抓取成语网站
- 2022年广西食品安全管理员模拟试题及答案
- 天池大赛-心跳信号分类预测:探索性数据分析
- 证券行情全市场推送解决方案
- 苹果CMS根据有无播放组输出不同的内容
热门文章
- latex 论文模板
- 如何将exe文件在linux下执行,如何轻松的在Linux中运行Windows的.exe文件
- vb adodc连接mysql_VB中用ADODC控件连接ACCESS数据库
- 二、Vue菜鸟小教程-vue-router的简单入门程序
- 去掉重复的字符,比如 google,输出:gole(华为笔试题)
- 【人工智能】人工智能是20世纪50年代中期兴起的一门新兴边缘科学
- PowerBuilder9.0 安装包及注意事项
- yuicompressor java_YUI Compressor
- Unix/Linux编程:Unix文件系统回顾
- linux多线程如何分配到多核上,Linux多线程编程 多核编程