| 基于信息熵优化的极限学习机研究及应用 |
| |
| 引用本文： | 陈龙烨,贺彦林,林晓勇.基于信息熵优化的极限学习机研究及应用[J].计算机与应用化学,2014(8):982-986. |
| |
| 作者姓名： | 陈龙烨 贺彦林 林晓勇 |
| |
| 作者单位： | 北京化工大学信息科学与技术学院，北京，100029 |
| |
| 基金项目： | 中央高校基本科研业务费 |
| |
| 摘 要： | 为了提高极限学习机对化工过程的高维数据进行建模的能力,提出了一种基于信息熵优化的学习算法。利用互信息方法判断输入变量与输出变量之间的相关性,通过去除部分与输出变量相关性较弱的输入变量来过滤冗余信息,从而达到降维的目的。然后利用熵权法对输入数据进行加权优化,从而降低输入数据中的离散点对极限学习机模型精确度的影响。因此本文提出了一种基于信息熵的ELM算法。该算法以UCI标准数据集进行测试,并以PTA工业系统数据进行实际验证。实验结果表明,与传统ELM算法相比,优化后的学习算法在处理高维数据时具有稳定性强、建模精度高的特点。从而拓展了神经网络技术在化工领域里的应用。
|
| 关 键 词： | 神经网络 极限学习机 互信息 熵权法 |
Research on ELM based on entropy information and its application |
| |
| Chen Longye,He Yanlin,Lin Xiaoyong.Research on ELM based on entropy information and its application[J].Computers and Applied Chemistry,2014(8):982-986. |
| |
| Authors: | Chen Longye He Yanlin Lin Xiaoyong |
| |
| Affiliation: | Chen Longye;He Yanlin;Lin Xiaoyong;School of Information Science and Technology,Beijing University of Chemical Technology; |
| |
| Abstract: | |
| |
| Keywords: | neural network ELM mutual information entropy method |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
