基于PSO-ELM算法的优化与数据预测模型研究,粒子群优化算法提升极限学习机（ELM）预测模型的精度与泛化性能,粒子群优化极限学习机PSOELM做数据预测PSO-ELM优化算法预测模型 ELM模型

资源内容介绍

基于PSO-ELM算法的优化与数据预测模型研究,粒子群优化算法提升极限学习机（ELM）预测模型的精度与泛化性能,粒子群优化极限学习机PSOELM做数据预测PSO-ELM优化算法预测模型。ELM模型在训练之前可以随机产生ω和b, 只需要确定隐含层神经元个数及隐含层神经元激活函数, 即可实现ELM预测模型的构建。在ELM模型的构建中, 只需确定初始ω和b, 而无需复杂的参数设置, 具有学习速度快、泛化性能好等优点。然而在发动机参数预测过程中, 不同的参数设置, 对预测模型的准确度起着一定程度的影响。此时, 如果通过简单的随机选取初始化参数方法来构建极限学习机模型, 在一定程度上存在着模型构建中隐含层节点冗余等缺点, 这在一定程度上阻碍了ELM模型的精确性。因此, 在构建EGTM数据预测模型的过程中, 可通过PSO算法寻优确定模型的最佳参数, 以保证ELM模型的准确性。matlab程序，可做功率预测数据预测，程序注释详细方便阅读，可替自己的数据做预测，预测结果准确。,PSO; ELM模型; 参数优化; 预测模型; 泛化性能; 发动机参数预测; PSO-ELM算法; 随机初始化