摘要
通过实验研究ELM算法中随机映射的作用及神经网络中隐含层结点个数对网络泛化能力的影响。在35个数据集上进行实验,针对不同的数据集,找到网络的最优精度所对应的隐含层结点个数。实验结果表明,当随机映射使数据升维到一定维数时,网络性能得到提高。
This paper studies the problem with experimental approach.It also investigates the impact of number of hidden layer nodes to generalization performance of Single Hidden Layer Feedforward Neural Network（SLFNN）.Experiment on Extreme Learning Machine（ELM） with 35 databsets is made.For different databases,the optimal number of hidden layer nodes with respect to best test accuracy is found,and the performance of SLFNN can be improved by randomly mapping the data into a fixed high dimensional space with ELM algorithm.
出处
《计算机工程》
CAS
CSCD
2012年第20期164-168,共5页
Computer Engineering
基金
国家自然科学基金资助项目(61170040)
河北省自然科学基金资助项目(F2010000323
F2011201063
F2012201023)
河北省高等学校科学技术研究基金资助重点项目(ZD2010139)
河北大学自然科学基金资助项目(2011-228043)
关键词
ELM算法
随机映射
神经网络
隐含层偏置
隐含层结点
Extreme Learning Machine（ELM） algorithm
random mapping
neural network
hidden layer bias
hidden layer node
