“elm”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果850个，建议您升级VIP下载更多相关专利

[发明专利]一种基于极限学习机的ELM-IN-ELM框架集成学习算法-CN201810800629.2在审
发明人：马宏宾;费庆;克莱;李楠楠 -专利权人：工极（北京）智能科技有限公司
申请日： 2018-07-19 - 公布日： 2018-12-18 - 主分类号： G06K9/66 文献下载
摘要：本发明公开了一种基于极限学习机的ELM‑IN‑ELM框架集成学习算法，ELM‑IN‑ELM框架能够自动学习组合不同的单个极限学习机模型，本方法采用ELM算法学习到的参数来组合不同的ELM输出计算最后的结果，它包括两个阶段：单个的ELM训练和融合参数学习。本发明所述ELM‑IN‑ELM框架自动地学习怎样组合不同的ELM分类器在小网络上以实现更高的性能，通过最小化分类误差和网络权重范数，将会在一个更紧凑的神经网络上获得更好的泛化性能。其他的ELM集成模型可以视为ELM‑IN‑ELM的特殊情况，使得ELM‑IN‑ELM成为基于ELM集成的一个统一的框架。几个修改和扩展应用到ELM‑IN‑ELM模型中，可以改善模型性能以解决其他问题。
极限学习机集成学习算法参数学习泛化性能分类误差集成模型扩展应用神经网络输出计算算法学习自动学习分类器网络权小网络自动地最小化范数紧凑融合统一学习

[发明专利]基于ELM的电离层F2层临界频率的预测方法-CN201811047092.3在审
发明人：马建国;白红梅;傅海鹏;吴淘锁 -专利权人：天津大学
申请日： 2018-09-08 - 公布日： 2019-01-15 - 主分类号： G06F17/50 文献下载
摘要：本发明公开了一种基于ELM的电离层F2层临界频率的预测方法：获取foF2的影响因子和foF2小时值的实测数据，将数据分为3组，分别作为ELM模型的训练数据、测试数据和验证数据；确定ELM模型的输入变量和输出变量；将训练数据和测试数据导入ELM模型中，对ELM模型进行训练；比较ELM模型的预测误差RMSE和ELM模型精度期望值的大小，直到预测误差RMSE小于期望值，训练结束，确定最优ELM模型；将验证数据导入已经训练好的最优ELM模型中，得到精确的输出预测值。
电离层测试数据临界频率训练数据验证数据预测误差快速预测实测数据输出变量输出预测输入变量影响因子预测

[发明专利]一种基于ELM的低噪声放大器温度特性建模方法-CN201810162286.1在审
发明人：马建国;杨闯;傅海鹏 -专利权人：天津大学
申请日： 2018-02-27 - 公布日： 2018-08-24 - 主分类号： G06F17/50 文献下载
摘要：本发明公开了一种基于ELM的低噪声放大器温度特性建模方法：确定ELM模型的输入变量和输出变量；通过仿真和实验测试，获得ELM模型的训练数据和测试数据；训练数据导入ELM模型，对ELM模型训练；测试数据导入已训练好的ELM模型中，比较ELM模型输出结果和实验测试结果，计算测试误差MSE；比较精度期望值和MSE大小，如果MSE小于精度期望值，则完成ELM模型训练；如果MSE大于精度期望值，则调整参数，直到MSE小于精度期望值本发明基于低噪声放大器宽温度范围内的仿真数据和个别温度点实验测试数据，应用ELM建立性能指标测试仿真映射模型，可快速全面准确获得宽温度范围内低噪声放大器性能指标。
低噪声放大器测试数据模型训练温度特性训练数据建模实验测试结果实验测试数据性能指标测试仿真和实验调整参数仿真数据计算测试输出变量输出结果输入变量映射模型温度点测试应用

[发明专利]一种基于改进ELM算法的毛管质量预报方法-CN201710378554.9有效
发明人：肖冬;江锦红;王继春 -专利权人：东北大学
申请日： 2017-05-25 - 公布日： 2020-10-23 - 主分类号： G06Q10/06 文献下载
摘要：本发明涉及一种基于改进ELM算法的毛管质量预报方法，步骤为：采集毛管穿孔过程的多组历史现场数据构建训练集；根据所采集的现场数据确定集成ELM网络的输入层、输出层和隐含层；结合多个常用激励函数，通过设置权重的方式，确定集成ELM网络的激励函数；采用遗传算法对集成ELM网络的激励函数中每个权值进行优化，获得最优激励函数；采用训练集对集成ELM网络进行训练，完成集成ELM网络的构建；将实际生产中的数据输入至集成ELM网络的每个子网络中，获得每个子网络的输出结果，进而获得集成ELM网络的输出预报结果，即毛管质量的预报结果。本发明继承了ELM模型的快速的性能和集成方法的鲁棒性，能更准确的预报毛管的质量。
一种基于改进 elm 算法质量预报方法

[发明专利]一种基于GA-ELM的物联网网关流量检测方法-CN202310333806.1在审
发明人：朱添田;陈启鹏;陈铁明;吕明琪 -专利权人：浙江工业大学
申请日： 2023-03-31 - 公布日： 2023-06-30 - 主分类号： H04L43/0876 文献下载
摘要：本发明公开了一种基于GA‑ELM的物联网网关流量检测方法，包括：采集设备的流量数据，获得训练集；初始化ELM模型的网络结构，并利用GA算法优化ELM模型得到最优的模型参数，完成GA‑ELM网关流量预测模型构建；利用构建的所述GA‑ELM网关流量预测模型实现物联网网关流量检测。
一种基于 ga elm 联网网关流量检测方法

[发明专利]一种基于ELM的射频功放温度特性建模方法-CN201711406355.0在审
发明人：马建国;周绍华;傅海鹏 -专利权人：天津大学
申请日： 2017-12-22 - 公布日： 2018-05-01 - 主分类号： G06F17/50 文献下载
摘要：本发明公开了一种基于ELM的射频功放温度特性建模方法根据射频功率放大器温度特性的实测数据选取ELM模型的训练数据和测试数据；确定ELM模型的输入变量和输出变量；将训练数据导入ELM模型中，进行训练；将测试数据导入已训练好的ELM模型中，比较ELM模型输出结果和测试结果并计算二者的误差；比较ELM模型的测试误差MSE和ELM模型精度期望值的大小，如果MSE小于精度期望值，则训练完成；如果MSE大于精度期望值，则需要通过调整参数进行重新训练
一种基于 elm 射频功放温度特性建模方法

[发明专利]一种基于GA-ELM算法的铝合金压铸件晶粒尺寸预测方法-CN201610903094.2有效
发明人：孙全龙;梅益;朱春兰;刘闯;曹贵崟;罗宁康;王莉媛 -专利权人：贵州大学
申请日： 2016-10-17 - 公布日： 2020-02-04 - 主分类号： G06F30/20 文献下载
摘要：本发明公开了一种基于GA‑ELM算法的铝合金压铸件晶粒尺寸预测方法，包括：(1)将遗传算法(GA)与极限学习机(ELM)结合的新算法GA‑ELM；(2)利用GA‑ELM算法实现对晶粒尺寸高效率、高精度及低成本的预测；(3)用户直接将需要预测的工艺参数输入到已训练好的GA‑ELM模型中，经过计算后便可得到对应的晶粒尺寸预测值。本发明将遗传算法和极限学习机相结合的GA‑ELM模型，采用GA对ELM的输入层权值矩阵和隐含层阈值矩阵进行优化，避免了输入层权值矩阵和隐含层阈值矩阵随机性对ELM预测精度的影响，提高了预测准确率和预测效率
一种基于 ga elm 算法铝合金压铸晶粒尺寸预测方法

[发明专利]一种基于ISSA-ELM的水火弯板变形预测方法-CN202210992443.8在审
发明人：王磊;祁淑康;周宏根;李磊;何强;李纯金 -专利权人：江苏科技大学
申请日： 2022-08-18 - 公布日： 2022-11-22 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及一种基于ISSA‑ELM的水火弯板变形预测方法，步骤为：采集水火弯板历史加工数据，构建水火弯板加工训练集；将获取的训练集样本归一化处理；根据所采集的数据样本，确定ELM网络的输入层、输出层和隐含层参数，建立ELM模型；利用改进的樽海鞘优化算法(ISSA)优化原始ELM网络的初始权值和阈值；利用训练集对ELM网络进行训练，完成对ELM网络的最终构建；将实际的加工数据输入到ELM网络中，输出结果反归一化处理
一种基于 issa elm 水火变形预测方法

[发明专利]基于局部训练样本的ELM可见光定位法-CN202211111917.X在审
发明人：梁中华;高虹伟 -专利权人：江苏达尔赛通讯电子设备有限公司
申请日： 2022-09-13 - 公布日： 2022-12-20 - 主分类号： G01S5/16 文献下载
摘要：本发明涉及可见光室内定位技术领域，尤其涉及一种基于局部训练样本的极限学习机（ELM）定位方法，包括以下步骤：首先，根据提前采集的用于训练ELM的大训练样本，提出了区域迭代阈值缩小法，得到一个可以将TN包围的正方形区域然后，选取位于上述正方形区域的训练样本组成局部训练样本来训练ELM网络，获得ELM网络参数。最后，目标节点的位置通过训练好的的ELM网络和其接收的功率向量准确估计。本发明提出的一种基于局部训练样本的ELM的室内定位方法，解决了基于大训练样本的ELM存在定位精度不高的问题。
基于局部训练样本 elm 可见光定位

[发明专利]基于集成极端学习机的肿瘤基因表达谱数据识别方法-CN201410773130.9在审
发明人：凌青华;韩飞;叶松林;杨春;崔宝祥 -专利权人：江苏科技大学
申请日： 2014-12-15 - 公布日： 2015-03-25 - 主分类号： G06K9/66 文献下载
摘要：本发明公开了一种基于集成极端学习机的肿瘤基因表达谱数据识别方法，包括成员极端学习机(ELM:Extreme learning machine)的选择和集成步骤，具体包括下列步骤：肿瘤基因表达谱数据集的预处理，包括表达谱数据的基因选择和归一化；通过Bagging方法生成N个样本集，每个样本集按一定比例划分为训练集和验证集；在N个训练集上学习生成N个ELM，并从中选出在相应验证集上识别率最高的L个ELM(L<N)组成备选成员ELM库；用粒子群优化算法从L个ELM中优选组成集成系统的K个成员ELM(K<L)；运用极小范数最小二乘法计算出K个成员ELM的集成投票权重；得到一个集成ELM系统，将该集成ELM系统对新增肿瘤基因表达谱样本进行肿瘤识别。
基于集成极端学习机肿瘤基因表达数据识别方法

[发明专利]一种基于GA‑ELM的立体图像质量客观评价方法-CN201610781313.4在审
发明人：李素梅;范如;孟迪;侯春萍 -专利权人：天津大学
申请日： 2016-08-31 - 公布日： 2017-08-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于GA‑ELM的立体图像质量客观评价方法，步骤(1)、选取训练样本和测试样本；步骤(2)、利用OLPP算法对于训练样本和测试样本进行特征提取和降维；步骤(3)、采用GA优化的极端学习机ELM对训练样本进行分类处理；将遗传算法的优化结果返回ELM网络，用优化后的αi和bi计算产生输出层权值矩阵β，完成模型建立。本发明采用优化后的ELM网络能够具有更好的分类识别效果，提高测试样本正确分类识别率；本方法还比较了GA‑ELM算法和ELM、SVM算法的性能，从中可知，本发明在立体图像质量客观评价方面整体性能优于ELM
一种基于 ga elm 立体图像质量客观评价方法

[发明专利]一种存储系统的GC性能预测方法、系统、介质及设备-CN202110178065.5在审
发明人：王铂;陶桐桐;胡永刚 -专利权人：山东英信计算机技术有限公司
申请日： 2021-02-09 - 公布日： 2021-05-28 - 主分类号： G06F12/02 文献下载
摘要：本发明提供了一种存储系统的GC性能预测方法、系统、介质及设备，方法包括以下步骤：采集若干组输入输出数据并将其划分为训练数据和验证数据，其中，输入输出数据包括GC存储对象的输入数据和对应的GC性能输出数据；基于训练数据对ELM模型进行训练，以得到训练ELM模型；基于验证数据对训练ELM模型进行交叉验证，以确认训练ELM模型是否符合预设要求；响应于训练ELM模型符合预设要求，将训练ELM模型应用于存储系统以进行GC性能预测。本发明可以得到投入存储系统中使用的用于预测GC性能的训练ELM模型，方便业务人员了解垃圾回收功能占用的集群性能，便于对垃圾回收功能进行优化以及故障的检测。
一种存储系统 gc 性能预测方法系统介质设备

[发明专利]一种基于变分模态分解的PSO-ELM电动汽车充电负荷预测方法-CN202310641216.5在审
发明人：李适含;赵毅;高源;杨春;李东明;石长军;王雪莹 -专利权人：国网辽宁省电力有限公司铁岭供电公司;国家电网有限公司
申请日： 2023-06-01 - 公布日： 2023-08-18 - 主分类号： H02J3/00 文献下载
摘要：本发明的一种基于变分模态分解的PSO‑ELM电动汽车充电负荷预测方法，包括数据采集、数据处理、使用变分模态分解对数据进行信号分解，分解后得到子序列带入到ELM网络中得到ELM预测模型，在使用PSO算法对ELM预测模型的参数进行优化，得到PSO‑ELM预测模型，判断模型精度符合要求后，使用模型进行预测。本发明采取将变分模态分解信号分解技术对历史数据进行分解，对每个分量单独建立预测模型，从而获得了平稳的信号序列，同时采用ELM网络，利用其分层无监督训练能够学习到数据的高级特征的特性，有效的提高了模型的预测精度以及泛化能力，并采取了PSO方法优化ELM网络，从而获得更好的预测效果。
一种基于变分模态分解 pso elm 电动汽车充电负荷预测方法

[发明专利]基于OP-ELM的射频功率放大器的行为建模方法-CN201811366103.4在审
发明人：马建国;邢光宇;傅海鹏;周绍华;张新 -专利权人：天津大学
申请日： 2018-11-16 - 公布日： 2019-04-30 - 主分类号： G06F17/50 文献下载
摘要：本发明公开基于OP‑ELM的射频功率放大器的行为建模方法，包括步骤：确定射频功率放大器的行为模型的输入变量和相应的输出变量；将训练数据导入ELM算法模型当中，对ELM算法模型训练；对ELM算法模型网络结构中的隐藏层神经元按对建模结果影响进行评估排序，修剪掉排序在后的预定隐藏层神经元，形成修剪好的OP‑ELM射频功放行为模型；将测试数据导入修剪好的OP‑ELM射频功放行为模型中，计算测试误差RMSE，比较OP‑ELM模型输出结果，验证行为建模结果。本发明利用OP‑ELM算法通过对隐藏层神经元重要性的评估和排序进而修剪掉其中对建模结果重要性低的神经元，达到科学地减少隐藏层神经个数的目的，从而实现简便快速准确地对射频功率放大器进行外部行为建模。
射频功率放大器神经元行为建模隐藏层修剪算法模型行为模型排序建模结果射频功放测试数据计算测试输出变量输出结果输入变量网络结构训练数据评估算法验证神经外部

[发明专利]一种基于GWO-ELM的露天采矿爆破块度的预测方法-CN202110340451.X在审
发明人：贾正昭;宋子岭;范军富;王箫鹤 -专利权人：辽宁工程技术大学
申请日： 2021-03-30 - 公布日： 2021-07-09 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于GWO‑ELM的露天采矿爆破块度的预测方法，所述方法包括如下步骤：针对影响爆破块度因素之间的复杂非线性关系,利用灰狼(GWO)优化极限学习机(ELM)的输入权值与隐含层阈值,建立GWO‑ELM选取岩石抗拉强度,岩石抗压强度,炮孔间距、排距、最小抵抗线、超深,炸药单耗7个因素作为预测方法的输入因子,选取爆破块度的平均尺寸X50作为预测方法的输出因子，并且与PSO‑ELM及ELM算法进行比较，得出更接近实测值的预测方法。本发明利用GWO优化ELM的输入权值与隐含层阈值，提高ELM方法的稳定性和预测精确度，从而建立GWO‑ELM爆破块度预测方法，为露天矿山爆破块度预测提供理论依据。
一种基于 gwo elm 露天采矿爆破预测方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 850 条