⛄一、ELM神经网络简介
1 引言
极限学习机不是一个新的东西，只是在算法（方法）上有新的内容。在神经网络结构上，就是一个前向传播的神经网络，和之前几篇博文讲的意义。
2 ELM最大的创新点
1）输入层和隐含层的连接权值、隐含层的阈值可以随机设定，且设定完后不用再调整。这和BP神经网络不一样，BP需要不断反向去调整权值和阈值。因此这里就能减少一半的运算量了。
2）隐含层和输出层之间的连接权值β不需要迭代调整，而是通过解方程组方式一次性确定。
研究表明，通过这样的规则，模型的泛化性能很好，速度提高了不少。
一言概之，ELM最大的特点就是对于传统的神经网络，尤其是单隐层前馈神经网络(SLFNs)，在保证学习精度的前提下比传统的学习算法速度更快。
3 极限学习机原理
ELM是一种新型的快速学习算法，对于单隐层神经网络，ELM可以随机初始化输入权重和偏置并得到相应的输出权重。
单隐层神经网络学习的目标是使得输出的误差最小，可以表示为
可以矩阵表示为
; ⛄二、部分源代码
% %
% 基于遗传优化ELM回归预测 %
%%
clear all
clc
%% 导入数据
load data
% 随机生成训练集、测试集
k = randperm(size(input,1));
% 训练集——1900个样本
P_train=input(k(1:1900)😅’;
T_train=output(k(1:1900));
% 测试集——100个样本
P_test=input(k(1901:2000)😅’;
T_test=output(k(1901:2000));
%% 归一化
% 训练集
[Pn_train,inputps] = mapminmax(P_train,-1,1);
Pn_test = mapminmax(‘apply’,P_test,inputps);
% 测试集
[Tn_train,outputps] = mapminmax(T_train,-1,1);
Tn_test = mapminmax(‘apply’,T_test,outputps);
%训练数据相关尺寸
R = size(Pn_train,1);
S = size(Tn_train,1);
N = 20;%隐含层个数
%% 定义遗传优化参数
pop=20; %种群数量
Max_iteration=50; % 设定最大迭代次数
dim = N _R + N;%维度，即权值与阈值的个数
lb = [-1. ones(N R,1);zeros(N,1)];%下边界
ub = [ones(N_R,1);ones(N,1)];%上边界
fobj = @(x) fun(x,Pn_train,Tn_train,N);
[Best_score,Best_pos,GA_curve]=GA(pop,Max_iteration,lb,ub,dim,fobj); %开始优化
[fitness,IW,B,LW,TF,TYPE] = fun(Best_pos,Pn_train,Tn_train,N);%获取优化后的相关参数
figure
plot(GA_curve,’linewidth’,1.5);
grid on
xlabel(‘迭代次数’)
ylabel(‘适应度函数’)
title(‘GA-ELM收敛曲线’)
%% 数据对比绘图
figure
plot(T_test,’r*’)
hold on
plot(T_sim,’b:o’)
plot(T_sim1,’g:o’)
xlabel(‘测试集样本编号’)
ylabel(‘测试集输出’)
title(‘ELM测试集输出’)
grid on;
legend(‘期望输出’,’GA-ELM预测输出’,’ELM预测输出’)
figure
plot(T_test-T_sim,’r- ‘)
hold on
plot(T_test-T_sim1,’b-‘)
xlabel(‘测试集样本编号’)
ylabel(‘绝对误差’)
title(‘ELM测试集预测误差’)
grid on;
legend(‘GA-ELM预测输出误差’,’ELM预测输出误差’)
disp([‘基础ELM MSE误差：’,num2str(E1)])
disp([‘GA-ELM MSE误差：’,num2str(E)])
⛄三、运行结果
; ⛄四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1]吕忠,周 强,周 琨,陈 立,申双葵.基于遗传算法改进极限学习机的变压器故障诊断[J].高压电工,2015
3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除
Original: https://blog.csdn.net/TIQCmatlab/article/details/122500898
Author: 海神之光
Title: 【ELM回归预测】基于matlab遗传算法优化ELM回归预测【含Matlab源码 1673期】
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/630181/
转载文章受原作者版权保护。转载请注明原作者出处！