王　杰，苌群康，彭金柱

(郑州大学 电气工程学院，河南 郑州 450001)



极限学习机优化及其拟合性分析

王杰，苌群康，彭金柱

(郑州大学 电气工程学院，河南 郑州 450001)

摘要：运用烟花算法(fireworks algorithm, FWA)优化极限学习机(extreme learning machine, ELM).首先烟花算法经过多次的迭代，确定M个最优的烟花，并且以极限学习机测试样本的RMSE作为烟花算法每次迭代的适应度函数,达到优化极限学习机的输入权值矩阵和隐含层偏差的效果.最后根据广义逆求出输出矩阵.通过对一维sinC函数的测试结果表明,烟花算法优化极限学习机能够以较少的隐含层节点数目达到更高的精度，比极限学习机的测试误差降低了29.58%.在以上基础上又做了对高斯正态分布函数的拟合实验，验证了烟花算法优化极限学习机比极限学习机拥有更好的拟合性能.

关键词：烟花算法；ELM；测试误差；隐含层节点；FWAELM；拟合性

0引言

传统的神经网络因其强大的非线性拟合能力、很强的鲁棒性和记忆能力被广泛地应用于很多领域.极限学习机是一种先进的神经网络.输入权值和隐含层偏差根据输入神经元和隐含层节点数随机生成，输出权值矩阵根据隐含层输出矩阵的Moore-Penrose广义逆计算得到[1].尽管极限学习机相比于传统的神经网络有很多优点，但是并不能满足人们对更高精度和更快速度的追求，因此相继出现了很多优化极限学习机算法.例如粒子群优化极限学习机和小波核极限学习机等,分别优化了极限学习机的隐含层节点……