排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
神经网络已经在模式识别、自动控制及数据挖掘等领域取得了广泛的应用,但学习方法的速度不能满足实际需求。传统的误差反向传播方法(BP)主要是基于梯度下降的思想,需要多次迭代;网络的所有参数都需要在训练过程中迭代确定,因此算法的计算量和搜索空间很大。ELM(Extreme Learning Machine,ELM)是一次学习思想使得学习速度提高很多,避免了多次迭代和局部最小值,具有良好的泛化性能、鲁棒性与可控性。但对于不同的数据集和不同的应用领域,无论ELM是用于数据分类或是回归,ELM算法本身还是存在问题,所以本文对已有方法深入对比分析,并指出极速学习方法未来的发展方向。 相似文献
2.
距离对红外热像仪测温精度影响及提高精度的实验研究 总被引:3,自引:3,他引:0
基于在固定环境下对手掌各部分温度测量的应用需求,实验研究了距离对目前最常用红外热像仪测温精度影响及提高精度的方法。首先在环境温度和湿度一定的条件下,实验研究了在一种测温距离下标定,不同测温距离测量时的测温精度。实验结果表示,66 cm测温距离标定下在其距离的测量精度是±0.08℃,但在40cm112cm距离的平均测温精度是0.43℃;其次实验研究了不同测温距离下重新标定的测温精度,测量平均绝对误差可以达到0.07℃,为在固定环境下利用红外热像仪比较精确的测量物体温度的应用提供了实验数据。 相似文献
3.
1