OSELM代码

资 源 简 介

在线贯序极限学习机包含两个阶段：初始化阶段，基于ELM 方法对小部分故障数据进行学习，然后丢弃训练数据，并将训练得到的参数日和卢保存在网络中；在线学习阶段，通过变化的故障数据实时更新参数日和卢，从而强化网络的分类和泛化能力，提高故障诊断的准确度。训练得到的OS-ELM参数第 2期 尹 刚，等：运用在线贯序极限学习机的故障诊断方法 327存储在网络节点中，可以进行跨平台的移植～网络的权值参数卢加载到新的PC机、DSP，ARM 等嵌入式环境下，对于新的故障测试数据只需要重新生成测试数据对应的隐层输出矩阵日，就

详 情 说 明

在这个文本中，我们介绍了在线贯序极限学习机的两个阶段：初始化阶段和在线学习阶段。在初始化阶段，我们使用基于ELM方法对少量的故障数据进行学习，然后丢弃训练数据并将训练得到的参数保存在网络中。在在线学习阶段，我们通过实时更新参数日和卢，使网络的分类和泛化能力不断得到强化，从而提高故障诊断的准确度。训练得到的OS-ELM参数存储在网络节点中，可以进行跨平台的移植，并且可以将网络的权值参数卢加载到新的PC机、DSP、ARM等嵌入式环境中。对于新的故障测试数据，只需要重新生成测试数据对应的隐层输出矩阵日，就可以完成故障模式再学习和分类功能。这样，我们可以更好地应对不同的故障测试数据，提高故障诊断的效率和准确度。