摘要：单隐藏层前馈神经网络（Single-hidden Layer Feedforward Neural Network，SLFN）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，但传统学习方法的速度远远不能满足实际的需要，成为制约其发展的主要瓶颈．产生这种情况的两个主要原因是：（1）传统的误差反向传播方法（Back Propagation，BP）主要基于梯度下降的思想，需要多次迭代；（2）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．针对以上问题，借鉴ELM的一次学习思想并基于结构风险最小化理论提出一种快速学习方法（RELM），避免了多次迭代和局部最小值，具有良好的泛化性、鲁棒性与可控性．实验表明RELM综合性能优于ELM、BP和sVM．

原文链接:http://www.cqvip.com/Main/Detail.aspx?id=32963271

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）