- 俞方罡，秦 斌（湖南工業大學，湖南 株洲 412000） 摘? 要：污水處理過程復雜多樣，為方便研究工作，根據基準仿真1號模型（Benchmark Simulation Modelno.1，BSM1）搭建simulink仿真模型。由于控制溶解氧和硝態氮濃度的穩定是污水處理過程的關鍵，所以針對傳統PI控制對大滯后非線性系統中硝態氮濃度控制性能低以及系統運行速度慢的問題，利用極限學習機（ELM）和支持向量機（SVM）的預測能力對硝態氮濃度進行模型辨識和比較。結果證明，在數據量較少的情況下，支持向量機（S
- 關鍵字：
202002 污水處理 極限學習機 支持向量機 MATLAB仿真
- 摘要：針對海量圖像數據的識別問題，本文提出了在線極限學習機(online optimized ELM，OP-ELM)。OP-ELM以單隱層前饋神經網絡(single hidden layer feed forward networks，SLFNs)為基礎，固定了隱含節點數以及節點參數，在在線增量學習過程中綜合考慮歷史數據和新數據，產生全局唯一的最優解，降低了計算資源的需求，繼承了極限學習機(Extreme Learning Machine，ELM)學習速度快泛化性能好的優點。因此非常適合于海量圖像數據的在
- 關鍵字：
圖像數據 多媒體技術 極限學習機 201204
極限學習機介紹
您好，目前還沒有人創建詞條極限學習機!
歡迎您創建該詞條，闡述對極限學習機的理解，并與今后在此搜索極限學習機的朋友們分享。
創建詞條
關于我們 -
廣告服務 -
企業會員服務 -
網站地圖 -
聯系我們 -
征稿 -
友情鏈接 -
手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產品世界》雜志社 版權所有 北京東曉國際技術信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網安備11010802012473
