论文部分内容阅读
针对极限学习机（ELM）算法随机选择输入层权值的问题，借鉴第2类型可拓神经网络（ENN-2）聚类的思想，提出了一种基于可拓聚类的ELM（EC-ELM）神经网络。该神经网络是以隐含层神经元的径向基中心向量作为输入层权值，采用可拓聚类算法动态调整隐含层节点数目和径向基中心，并根据所确定的输入层权值，利用Moore-Penrose广义逆快速完成输出层权值的求解。同时，对标准的Friedman#1回归数据集和Wine分类数据集进行测试，结果表明，EC-ELM提供了一种简便的神经网络结构和参数学习方法，并且比基于可