- 俞方罡，秦 斌（湖南工业大学，湖南 株洲 412000） 摘 要：污水处理过程复杂多样，为方便研究工作，根据基准仿真1号模型（Benchmark Simulation Modelno.1，BSM1）搭建simulink仿真模型。由于控制溶解氧和硝态氮浓度的稳定是污水处理过程的关键，所以针对传统PI控制对大滞后非线性系统中硝态氮浓度控制性能低以及系统运行速度慢的问题，利用极限学习机（ELM）和支持向量机（SVM）的预测能力对硝态氮浓度进行模型辨识和比较。结果证明，在数据量较少的情况下，支持向量机（S
- 关键字：
202002 污水处理 极限学习机 支持向量机 MATLAB仿真
- 摘要：针对海量图像数据的识别问题，本文提出了在线极限学习机(online optimized ELM，OP-ELM)。OP-ELM以单隐层前馈神经网络(single hidden layer feed forward networks，SLFNs)为基础，固定了隐含节点数以及节点参数，在在线增量学习过程中综合考虑历史数据和新数据，产生全局唯一的最优解，降低了计算资源的需求，继承了极限学习机(Extreme Learning Machine，ELM)学习速度快泛化性能好的优点。因此非常适合于海量图像数据的在
- 关键字：
图像数据 多媒体技术 极限学习机 201204
极限学习机介绍
您好，目前还没有人创建词条极限学习机!
欢迎您创建该词条，阐述对极限学习机的理解，并与今后在此搜索极限学习机的朋友们分享。
创建词条
关于我们 -
广告服务 -
企业会员服务 -
网站地图 -
联系我们 -
征稿 -
友情链接 -
手机EEPW
Copyright ©2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《电子产品世界》杂志社 版权所有 北京东晓国际技术信息咨询有限公司
京ICP备12027778号-2 北京市公安局备案：1101082052 京公网安备11010802012473
