2024年1月6日发(作者：正月无初一数学试卷)

极限学习机和一类深度学习方法的对比研究

徐翊铭;范馨月

【期刊名称】《应用数学进展》

【年(卷),期】2022(11)12

【摘 要】本文针对神经网络在微分方程求解中的先验估计问题,将极限学习机(Extreme Learning Machine, ELM)嵌入粒子群优化算法和一类使用梯度更新的深度学习方法进行比较,将他们应用于一类微分方程求解并进行对比。与使用梯度信息优化损失函数的深度学习方法不同,ELM使用Moore-Penrose广义逆替代了梯度信息更新权重以达到损失函数最小化。本文通过实验证明了ELM对于方程的区间没有要求,训练时间短,但劣势是若解是非连续的,对间断点类型有要求等,而此类深度学习算法加深了网络层数,优势是学习到更抽象的特征,且解可以是非连续的,劣势对方程区间有较严格要求,否则梯度消失,并通过实验结果进行了验证,且训练时间长此类深度学习算法有时会伴随着一些剪枝算法压缩网络。本文的结论可以用于先验的算法选择,提高求解效率。

【总页数】10页(P8740-8749)

【作 者】徐翊铭;范馨月

【作者单位】贵州大学数学与统计学院 贵阳

【正文语种】中 文

【中图分类】G63

【相关文献】

1.基于深度极限学习机的水质预测研究2.基于深度极限学习机的水质预测研究五电平逆变器故障的深度小波极限学习机诊断方法研究4.基于核极限学习机的快速主动学习方法及其软测量应用5.基于深度极限学习机的煮糖制炼自适应控制研究

因版权原因，仅展示原文概要，查看原文内容请购买


更多推荐

深度,学习,算法,学习机,研究,方法,梯度,原文