极限学习机的动态网络结构选择方法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 第一章 绪论 | 第8-19页 |
| §1.1 人工神经网络的基本原理 | 第8-14页 |
| §1.2 选择合适网络结构的意义 | 第14-15页 |
| §1.3 极限学习机(ELM)的研究现状 | 第15-17页 |
| §1.4 主要研究内容和论文组织结构 | 第17-19页 |
| §1.4.1 主要研究内容 | 第17页 |
| §1.4.2 论文组织结构 | 第17-19页 |
| 第二章 ELM算法综述 | 第19-34页 |
| §2.1 原始ELM算法 | 第19-20页 |
| §2.2 节点递增型ELM算法 | 第20-27页 |
| §2.2.1 I-ELM算法 | 第21-22页 |
| §2.2.2 CI-ELM算法 | 第22-23页 |
| §2.2.3 EI-ELM算法 | 第23-24页 |
| §2.2.4 ECI-ELM算法 | 第24-25页 |
| §2.2.5 EM-ELM算法 | 第25-27页 |
| §2.3 节点递减型ELM算法 | 第27-28页 |
| §2.3.1 P-ELM算法 | 第28页 |
| §2.3.2 OP-ELM算法 | 第28页 |
| §2.4 自适应调整节点型ELM算法 | 第28-33页 |
| §2.4.1 AG-ELM算法 | 第29-31页 |
| §2.4.2 D-ELM算法 | 第31-33页 |
| §2.5 本章小结 | 第33-34页 |
| 第三章 基于最小误差的黄金分割极限学习机 | 第34-42页 |
| §3.1 预备知识 | 第34页 |
| §3.2 EMG-ELM算法 | 第34-38页 |
| §3.2.1 EMG-ELM算法的设计原理 | 第35-36页 |
| §3.2.2 EMG-ELM算法步骤 | 第36-37页 |
| §3.2.3 EMG-ELM算法流程图 | 第37-38页 |
| §3.3 数值实验 | 第38-41页 |
| §3.4 本章小结 | 第41-42页 |
| 第四章 基于最小范数的极限学习机修剪算法 | 第42-56页 |
| §4.1 引言 | 第42页 |
| §4.2 PMN-ELM算法 | 第42-44页 |
| §4.2.1 PMN-ELM的设计原理 | 第42-43页 |
| §4.2.2 PMN-ELM算法步骤 | 第43-44页 |
| §4.2.3 PMN-ELM算法流程图 | 第44页 |
| §4.3 数值实验 | 第44-55页 |
| §4.3.1 回归问题 | 第45-50页 |
| §4.3.2 分类问题 | 第50-55页 |
| §4.4 本章小结 | 第55-56页 |
| 总结与展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |
