论文部分内容阅读
神经网络已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用，但学习方法的速度不能满足实际需求。传统的误差反向传播方法（BP）主要是基于梯度下降的思想，需要多次迭代；网络的所有参数都需要在训练过程中迭代确定，因此算法的计算量和搜索空间很大。ELM（Extreme Learning Machine，ELM）是一次学习思想使得学习速度提高很多，避免了多次迭代和局部最小值．具有良好的泛化性能、鲁棒性与可控性。但对于不同的数据集和不同的应用领域，无论ELM是用于数据分类或是回归，ELM算法本身还是存在问题，所