期刊文献+

基于SFLA聚类的选择性ELM集成算法

在线阅读 下载PDF
导出
摘要 本文提出一种基于SFLA聚类的选择性ELM集成方法。实验结果表明,与集成RBF神经网络模型相比,采用本文方法对模拟电路进行在线故障诊断具有较高的准确性。
出处 《数字技术与应用》 2014年第9期120-120,共1页 Digital Technology & Application
基金 河南省教育厅科学技术研究重点项目基础研究计划No.13A413506 河南师范大学青年科学基金项目No.01116400031
  • 相关文献

参考文献2

二级参考文献17

  • 1杨宣访,方华京.模拟电路故障诊断的神经网络方法综述[J].计算机测量与控制,2006,14(5):564-566. 被引量:18
  • 2张贤达.矩阵分析与应用[M].北京:清华大学出版社,2005.341-400.
  • 3EL-GAMAL M A, MOHAMED M D A. Ensembles of neural networks for fault diagnosis in analog circuits[ J]. Journal oF Electronic Testing: Theory and Applications, 2007, 23:323-339.
  • 4CUI J, WANG Y R. A novel approach of analog circuit fault diagnosis using support vector machines classifier[J]. Measurement, 2011, 44:281-289.
  • 5HUANG G B, ZHU Q Y, SIEW C K. Extreme learning machine : Theory and applications [ J ]. Neurocomputing, 2006, 70: 489-501.
  • 6YUAN Y B, WANG Y G, CAO F L. Optimization approxi- mation solution for regression problem based on extreme learn- ing machine[J]. Neurocomputing, 2011, 74: 2475-2482.
  • 7YU Q, MICHE Y, EIROLA E, et al. Regularized extreme learning machine for regression with missing data[J]. Neu- rocomputing, 2013, 102:45-51.
  • 8NITIN A S, BIJAYA K P. A hybrid wavelet-ELM based short term price forecasting for electricity mar- kets [ J ]. Electrical Power and Energy Systems, 2014, 55:41-50.
  • 9I-IUANG G B, ZI-IOU H M, DING X J, et al. Extreme learning machine for regression and multiclass classifica- tion[ J]. IEEE Trans on Systems, Man, and Cybernetics- part B: Cybernetics, 2012, 42(2) :513-529.
  • 10LAN Y, HU Z J, YENG C S, et al. An extreme learning machine approach for speaker recognition [J]. Neural Comput. & Applic, 2013, 22:417-425.

共引文献9

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部