极限习机（extreme learning machine）ELM

资 源 简 介

极限习机（extreme learning machine）ELM是一种简单易用、有效的单隐层前馈神经网络SLFNs学习算法。2006年由南洋理工大学黄广斌副教授提出。传统的神经网络学习算法（如BP算法）需要人为设置大量的网络训练参数，并且很容易产生局部最优解。极限学习机只需要设置网络的隐层节点个数，在算法执行过程中不需要调整网络的输入权值以及隐元的偏置，并且产生唯一的最优解，因此具有学习速度快且泛化性能好的优点。

详 情 说 明

极限学习机（Extreme Learning Machine）ELM是一种非常简单易用且高效的单隐层前馈神经网络SLFNs学习算法。它是由南洋理工大学黄广斌副教授于2006年提出的。相比传统的神经网络学习算法（如BP算法），ELM不需要人为设置大量的网络训练参数，并且更不容易陷入局部最优解。ELM只需要设置网络的隐层节点个数，在算法执行过程中无需调整网络的输入权值和隐元的偏置，同时还能产生唯一的最优解，因此具有快速学习和良好泛化性能的优点。总的来说，极限学习机是一种非常有效的学习算法，可以帮助我们更好地理解和应用神经网络。