极限学习机与偏最小二乘法

由于神经网络具有拟合非线性的能力,所以可以用神经网络来处理内部模型的非线性特性,因此这种内部模型采用神经网络的非线性PLS方法得到了广泛的应用。传统的前馈神经网络在训练中采用梯度学习算法,网络中的参数需要迭代更新,不仅训练时间长,而且容易导致局部极小和过度训练等问题,另外其多隐层的结构也导致了样本训练速度慢,训练误差大"此外,Bartlett提出对于已达到最小训练误差的前馈神经网络,权值越小泛化特性越好,而传统的梯度学习算法仅仅考虑训练误差最小,忽视了权值大小对网络的影响,这些问题都将影响到模型的泛化特性。

tic
clear

close all
load xn.mat;load yn.mat;load xnn.mat;load ynn.mat;
Xtrain=xn;Ytrain=yn;
Xtest=xnn;Ytest=ynn;
%开始训练
sinc_train=cat（2YtrainXtrain）;
sinc_test=cat（2YtestXtest）;
[TrainingTime TestingTime TrainingAccuracy TestingAccuracy Y TY]=elm（sinc_trainsinc_test027‘sig‘）;

i=1:50;
figureplot（iY‘-*r‘iYtrain‘-o‘）;
figureplot（iTY‘-*r‘iYtest‘-o‘）;

sse=sqrt（sum（（TY‘-Ytest）.^2）/50）;

a=0;
for i=1:50
    if（abs（TY（1i）-Ytest（i1））<0.5）
        a=a+1;
    end
end
a;
HR=a/50;
time=toc;




%训练时间和检验时间
%TrainingTime
%TestingTime

%求取训练精度与检验精度
%%TrainingAccuracy
%Etrain=0;Etest=0;
%for i=1:1000
% Etrain=Etrain+abs（Y（i）-Ytrain（i））/6;
%end
%Etest=abs（TY-Ytest）/6;

%Ytest/6
%TY/6

%Etrain/1000
%Etest

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件        799  2008-10-18 11:37  ELM-PLS\DELM.m

     文件       8072  2008-10-23 18:33  ELM-PLS\ELM.asv

     文件       8094  2008-10-23 19:09  ELM-PLS\ELM.m

     文件       1012  2008-10-23 18:58  ELM-PLS\main_pls.asv

     文件       1038  2008-10-27 07:53  ELM-PLS\main_pls.m

     文件        529  2008-10-17 09:53  ELM-PLS\plss.m

     文件       4030  2008-09-29 22:37  ELM-PLS\xn.mat

     文件       4025  2008-09-29 22:37  ELM-PLS\xnn.mat

     文件        599  2008-09-29 22:37  ELM-PLS\yn.mat

     文件        600  2008-09-29 22:37  ELM-PLS\ynn.mat

     文件        417  2008-09-29 22:37  ELM-PLS\yystandard.m

     目录          0  2013-03-11 14:06  ELM-PLS

----------- ---------  ---------- -----  ----

                29215                    12