一种新的混合智能极限学习机

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;