排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
2.
3.
为解决交替方向乘子法(alternating direction method of multipliers, ADMM)正则化极限学习机(regularized extreme learning machine, RELM)迭代收敛速度慢和迭代后期误差衰减停滞的问题,提出一种基于动态步长ADMM的正则化极限学习机,记为VAR-ADMM-RELM.该算法在ADMM算法的基础上采用动态衰减步长进行迭代,并同时使用L1和L2正则化对模型复杂度进行约束,解得具有稀疏性和鲁棒性的极限学习机输出权重.在UCI和MedMNIST数据集中对VAR-ADMM-RELM、极限学习机(extreme learning machine, ELM)、正则化极限学习机(regularized ELM, RELM)和基于ADMM的L1正则化ELM(ADMMRELM)进行拟合、分类和回归对比实验.结果表明,VAR-ADMM-RELM算法的平均分类准确率和平均回归预测精度分别比ELM算法提升了1.94%和2.49%,较标准ADMM算法可以取得3~5倍的速度提升,且对异常值干扰具有更好的鲁棒性和泛化能力,在高维度多样本... 相似文献
4.
5.
本文结合个人多年工作经验阐述了高层建筑施工中转换层施工技术,对具体施工各项工序做了详细阐述,以供同行参考。 相似文献
6.
在基于基础设施即服务的云服务模式下,精准的虚拟机性能预测,对于用户在众多资源提供商之间进行虚拟机租用策略的制定具有十分重要的意义.针对基于宽度学习系统(Broad learning system,BLS)的预测模型存在许多降低虚拟机性能预测准确性和效率的冗余节点,通过引入压缩因子,构建基于压缩因子的宽度学习系统,使预测结果更逼近输出样本,能够减少BLS的冗余特征节点与增强节点,从而加快BLS的网络收敛速度,提高BLS的泛化性能. 相似文献
7.
针对极限学习机(extreme learning machine,ELM)隐节点不确定性导致的系统不稳定,以及对大型数据计算负担过重的问题,提出了基于自适应动量优化算法(adaptive and momentum method,AdaMom)的正则化极限学习机.算法主要思想是构造连续可微的目标函数,在梯度下降过程中计算自适应学习率,求自适应学习率与梯度乘积的指数加权平均值,通过迭代得到损失函数最小值对应的隐层输出权重矩阵.实验结果表明,在相同基准数据集的训练中,AdaMom-ELM算法具有非常良好的泛化性能和鲁棒性,提高了计算效率. 相似文献
8.
基于压缩动量项的增量型ELM虚拟机能耗预测 总被引:1,自引:0,他引:1
在基于基础设施即服务(Infrastructure as a service,IaaS)的云服务模式下,精准的虚拟机能耗预测,对于在众多物理服务器之间进行虚拟机调度策略的制定具有十分重要的意义.针对基于传统的增量型极限学习机(Incremental extreme learning machine,I-ELM)的预测模型存在许多降低虚拟机能耗预测准确性和效率的冗余节点,在现有I-ELM模型中加入压缩动量项将网络训练误差反馈到隐含层的输出中使预测结果更逼近输出样本,能够减少I-ELM的冗余隐含层节点,从而加快I-ELM的网络收敛速度,提高I-ELM的泛化性能. 相似文献
9.
以45钢为处理对象进行800℃交流电场增强粉末法硼铝共渗研究。利用光学显微镜、X射线衍射仪和显微硬度计对共渗层组织、厚度、相与显微硬度进行观察和分析。结果表明:随渗剂中铝粉含量由0增至5%,渗层厚度先增加后降低再增加,渗层组织由渗硼特征逐渐过渡到渗铝特征,表层相依Fe2B→Fe B→Fe3Al+Al N顺序发生变化;呈现渗硼组织特征的共渗层表层硬度约为1200~1800 HV0.05,呈现渗铝层组织特征的共渗层表层硬度约500 HV0.05;在低硼势渗剂中添加1.8%铝粉并施加2 A电流的交流电场,使渗层厚度较相应常规渗硼的增加约2倍,较相应常规硼铝共渗的增加约70%。 相似文献
10.
增量型极限学习机(Incrementa线性逼近能力,但原模型存在输出权重分布不均匀影响模型泛化能力的问题。本文提出了基于衰减正则化项的增量型极限学习机(ARI-ELM),通过在输出权值迭代求解过程中加入衰减正则化项,减小迭代前期隐节点的输出权值,并保证迭代多次后的新增节点不受较大正则化系数的影响,使网络整体的输出权值达到一个相对较小且分布均匀的状态,最终减小了模型的复杂度,从理论层面证明了加入衰减正则化项后模型仍然具有收敛性,并将该算法应用于具体的智能制造动态调度权重预测场景中,得到较好的效果。 相似文献