一种新的混合智能极限学习机
来源期刊:控制与决策2015年第6期
论文作者:林梅金 罗飞 苏彩红 许玉格
文章页码:1078 - 1084
关键词:粒子群优化算法;差分进化算法;极限学习机;混合;
摘 要: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.
林梅金1,2,罗飞2,苏彩红1,许玉格2
1. 佛山科学技术学院机械与电气工程学院2. 华南理工大学自动化科学与工程学院
摘 要: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.
关键词:粒子群优化算法;差分进化算法;极限学习机;混合;