​粒子群极限学习机一种单隐层神经网络

资 源 简 介

​粒子群极限学习机一种单隐层神经网络

详 情 说 明

粒子群-极限学习机（PSO-ELM）是一种结合粒子群优化算法（PSO）和极限学习机（ELM）的单隐层神经网络模型。它通过优化ELM的初始权值和偏置，提升网络的泛化能力和训练效率。

在传统极限学习机中，隐层神经元的权重和偏置随机初始化，可能导致训练结果不稳定。而粒子群算法能够高效搜索最优解，优化ELM的参数，从而改善模型的分类精度和收敛速度。

该模型适用于数据分类、故障诊断等领域，尤其适合处理高维数据和非线性问题。相比传统ELM，PSO-ELM在参数优化方面更具优势，能够有效避免局部最优问题，提高模型的鲁棒性。