随机蛙跳优化的对称极限学习机算法研究

《随机蛙跳优化的对称极限学习机算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：学校代码：１０１４０：密级：公开学号４０３１３３１９４４？座姿乂聲ＬＩＡＯＮＩＮＧＵＮＩＶＥＲＳＩＴＹ硕±学位论文ＴＨＥＳＩＳＦＯＲＭＡＳＴＥＲＤＥＧＲＥＥ论文题目：随机蛙跳优化的对称极限学习机算法研究ＲｅｓｅａｒｃｈｏｎＳｍｍｅｔｒｉｃＥｘｔｒｅｍｅＬｅａｒｎｉｎＭａｃｈｉｎｅｙｇ英文题目；ＬｅａＡｌｗｉ化ＳｈｕｆｌｅｄＦｒｏｇｐｉｎｇｒｉｔｈｍｇｏ论文作者：张±强指导教师；张利教授专业：计算机系统结构

2、完成时间—：二〇六年四月申请迁宁大学硕±学位论文随机蛙跳优化的对称极限学习机算法研究民郎ｅａｒｃｈｏｎＳｍｍｅｔｒｉｃＥｘｔｒｅｍｅＬｅａｒｎｉｎＭａｃｈｉｎｅｙｇＯｔｉｍｉｚｅｄｗｉｔｈＳｈｕｆｆｌｅｄＦｒｏＬｅａｉｎＡｌｏｒｉｔｈｍｐｇｐｇｇ作者：张±强指导教师：张利教授专业：计貧机系统结构答辩日期：２０化年Ｓ月２６日—二〇六年五月．中国这宁迂宁大学学位论文原创性声明本人郑重声明：所呈交的学位论文是本人在导师的指导下独

3、立完成的。论文中取得的研究成果除加Ｗ标注的内容外，不包含其他个人或集体已经发表或撰写过的研究成果，不包含本人为获得其他学位而使用过的成果。对本文的研究做出重要贡献的个人和集体均已在文中。进行标注，并表示谢意本人完全意识到本声明的法律结果由本人承担。学位论文作者签名；壬如Ｌ年ｈ曰涨郑ｉ学位论文版权使用授权书本学位论文作者完全解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部口或机构送交学位论文的原件、复印件和。电子版，允许学位论文被查阅和借阅本人授

4、权迂宁大学可将本学位论文的全部或部分内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编学位论文。同时授权中国学术期刊（光盘版）电子杂志社将本学位论文收录到《中国博±学位论文全文数据库》和《中国优秀硕±学位论文全文数据库》并通过网络向社会。公众提供信息服务学校须按照授权对学位论文进行管理，不得超越授权对学位论文进行任意处理。。（：保密（），在年后解密适用本授权书保密请在括号内＂，，划Ｖ）ｉ：授权人签名备文古ｆ豪指导教师签名；斯乐Ｊ２０１６６

5、日期：如之年ｉ月日日期：年月６日／摘要Ｍ一种最近新兴的前馈极限学习机（ＥｘｔｒａｎｅＬｅａｒｎｉｎｇａｃｈｉｎｅ，ＥＬＭ）作为。神经网络学习算法，与传统意义上的前馈神经网络算法有很大的区别ＥＬＭ算法的输入层枚值和隐含层偏移值的选取是随机的，输出层的权值也是计算出来的，而不必通过不断的迭代来调整网络的参数，这也在很大的程度上解决前馈神经网络的学习效率低的缺点。然而，ＥＬＭ算法参数的随机选取，也不可避免的带来ＥＬＭ泛化性能降低的问風如果选取的初始参数不合氣甚至会影

6、巧ＥＬＭ的预测性能。ＬＭ一种随机蛙跳基于化上的问题，本文对Ｅ算法进行改进，提出（ＳＦＬＡ）－ＥＬＭ优化的对称极限学习化算法（ＳＦＬＡＳｙｍ）。通过对带钢数据的特点进行分析，提出利用对称性的先验信息来对极限学习机进行网络结构改迸，从而减少ＥＬＭ的隐含层节点数目。同时，还对影响带钢出曰厚度的各个相关因素进行分析，把主成分分析法和极限学习机进行结合，将提取出的带钢厚度主因素作为一ＥＬＭ的网络结ＥＬＭ网络的输入，从而进步优化构。针对极限学习机中的输入层权值Ｗ及隐含层的偏置值在初始

7、状态下随机选择而造成的输化权重矩阵较一－）进行进大的问题，对所改进后的ＳｙｍＥＬＭ算法运用随机蛙跳算法（ＳＦＬ＾步的优化ＳＦＬＡＳ－ＥＬＭ算法。通过应用随化蛙ｎｆｅ法来选取，进而提出ｙｍ－Ｓｍ－ＥＬＭ算法的输入权值和隐含层偏置值ｙ，能够有效的减小ＳＦＬＡＳｙｍＥＬＭ模型的预测误差。本文的研究的场巧是化制工艺中带钢的厚度预測。通过使用ｉｂａＡｎａｌｙｚｅｒ软件对影巧带钢出口厚度的各个因素进行分析，并运用主成分分析法对影咱带钢一组主因素作为ＳＦＬＡＳｙｍ－ＥＬＭ的输入出口厚度的因

8、素进行降维，选挥，进而进行带钢出口厚度的预測。本文通过在ＭＡＴＬＡＢ中进行离线的带钢出曰厚度预测实验，并将实验结果与传统的ＥＬＭ算法，ＢＰ算法的预测结果进行对比，发ＳＦＬＡＳ－ＥＬＭ算法具有现本文的ｙｍ更小的预满误差，从而验证本文中的ＳＦＬＡＳｍ－ＥＬＭ。ｙ算法的预测精度更高，对带钢生产具有更好的指导意义关键词：带钢厚度预测，随祝蛙跳算法，主成分分析，对称性，极限学习机ＩＡＢＳＴＲＡＣＴＡＢＳＴＲＡＣＴ