適用于數(shù)據(jù)分類的極限學(xué)習(xí)機(jī)優(yōu)化算法
摘要:針對(duì)極限學(xué)習(xí)機(jī)參數(shù)優(yōu)化問(wèn)題,提出量子遺傳算法優(yōu)化極限學(xué)習(xí)機(jī)的方法(QGA-ELM)。在該方法中,對(duì)ELM的輸入權(quán)值和隱含層閾值采用量子比特編碼,并將其映射為QGA的染色體,QGA的適應(yīng)度函數(shù)為對(duì)應(yīng)ELM的分類精度;通過(guò)QGA的量子旋轉(zhuǎn)門優(yōu)化出輸入權(quán)值與隱含層閾值,以此訓(xùn)練出分類精度更高的ELM,從而改善ELM的泛化性能。通過(guò)ELM和QGA-ELM對(duì)數(shù)據(jù)集的仿真結(jié)果對(duì)比表明,QGA-ELM有效地提升了ELM網(wǎng)絡(luò)的分類精度。
注: 保護(hù)知識(shí)產(chǎn)權(quán),如需閱讀全文請(qǐng)聯(lián)系軟件導(dǎo)刊雜志社