版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、極限學(xué)習(xí)機(jī)(Extreme Learning Machine,ELM)以其學(xué)習(xí)速度快、訓(xùn)練參數(shù)少和泛化性能好等特點(diǎn),被廣泛應(yīng)用于數(shù)據(jù)挖掘中。但是面對(duì)如今的大規(guī)模數(shù)據(jù),極限學(xué)習(xí)機(jī)與傳統(tǒng)的機(jī)器學(xué)習(xí)算法一樣,由于受到計(jì)算機(jī)內(nèi)存的限制,訓(xùn)練時(shí)間太長(zhǎng),甚至有可能無法運(yùn)行。針對(duì)以上問題,本文將極限學(xué)習(xí)機(jī)與當(dāng)下流行的大數(shù)據(jù)技術(shù)相結(jié)合,利用MapReduce這個(gè)并行框架來實(shí)現(xiàn)極限學(xué)習(xí)機(jī)的并行化,使極限學(xué)習(xí)機(jī)達(dá)到高效處理大規(guī)模數(shù)據(jù)的目的。
隨著
2、經(jīng)濟(jì)的迅猛發(fā)展,能源消耗隨之逐年增加。我國能源結(jié)構(gòu)以煤為主,燃煤電廠產(chǎn)生的NOx日趨嚴(yán)重,如何有效地控制NOx的排放一直是人們關(guān)注的焦點(diǎn)。隨著工業(yè)4.0的提出和存儲(chǔ)技術(shù)的提高,工業(yè)處于一個(gè)數(shù)據(jù)爆發(fā)的時(shí)代,每時(shí)每刻都在產(chǎn)生新的數(shù)據(jù),數(shù)據(jù)庫的存儲(chǔ)量也日益增加。為應(yīng)對(duì)我國火電行業(yè)信息化建設(shè)出現(xiàn)的大規(guī)模數(shù)據(jù),尋找行之有效的大規(guī)模數(shù)據(jù)處理技術(shù)已經(jīng)成為一個(gè)熱門研究。
本文的主要工作如下:
(1)針對(duì)傳統(tǒng)極限學(xué)習(xí)機(jī)集成方法無法有效
3、處理大規(guī)模數(shù)據(jù)的問題,提出基于MapReduce框架的并行化極限學(xué)習(xí)機(jī)集成方法。通過分析極限學(xué)習(xí)機(jī)的集成方法,發(fā)現(xiàn)每個(gè)極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)的訓(xùn)練為并列獨(dú)立進(jìn)行,證明該過程是可以分解的。該算法由一個(gè)MapReduce Job實(shí)現(xiàn),Map階段將集成學(xué)習(xí)中的每個(gè)極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)并行地訓(xùn)練。通過實(shí)驗(yàn)證明該算法在精確度上和單機(jī)極限學(xué)習(xí)機(jī)集成方法幾乎一樣,但訓(xùn)練速度更快,可以更加高效地處理大規(guī)模數(shù)據(jù)。
(2)針對(duì)極限學(xué)習(xí)機(jī)隨機(jī)初始化輸入權(quán)值和隱含
4、層偏置,可能存在非最優(yōu)的輸入權(quán)值和隱含層偏置的問題,提出基于MapReduce框架的并行化粒子群極限學(xué)習(xí)機(jī)方法。研究發(fā)現(xiàn),在粒子群極限學(xué)習(xí)機(jī)算法的運(yùn)算過程中,粒子適應(yīng)度值的計(jì)算與樣本的大小有關(guān),若樣本太大會(huì)導(dǎo)致訓(xùn)練時(shí)間過長(zhǎng)等問題。而適應(yīng)度函數(shù)采用極限學(xué)習(xí)機(jī)網(wǎng)絡(luò)的誤差,極限學(xué)習(xí)機(jī)在求解輸出權(quán)值的Moore-Penrose廣義逆中矩陣乘法是計(jì)算量最大的部分,由于其可以分解,故將其并行化。通過實(shí)驗(yàn)證明,相比極限學(xué)習(xí)機(jī),該算法得到了較高的預(yù)測(cè)準(zhǔn)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 灰色極限學(xué)習(xí)機(jī)預(yù)測(cè)算法研究.pdf
- 改進(jìn)的極限學(xué)習(xí)機(jī)在煤與瓦斯突出預(yù)測(cè)中的應(yīng)用.pdf
- 煙花算法優(yōu)化極限學(xué)習(xí)機(jī)的研究及應(yīng)用.pdf
- 基于優(yōu)化的核極限學(xué)習(xí)機(jī)在負(fù)荷預(yù)測(cè)中的研究.pdf
- 核極限學(xué)習(xí)機(jī)的理論與算法及其在圖像處理中的應(yīng)用.pdf
- 極限學(xué)習(xí)機(jī)算法及其在高爐冶煉過程建模中的應(yīng)用研究.pdf
- 極限學(xué)習(xí)機(jī)算法的改進(jìn)及其在抽油機(jī)井中的應(yīng)用研究.pdf
- 基于極限學(xué)習(xí)機(jī)的設(shè)備故障預(yù)測(cè)方法及應(yīng)用研究.pdf
- 基于深度學(xué)習(xí)的極限學(xué)習(xí)機(jī)算法研究.pdf
- 極限學(xué)習(xí)機(jī)及其在分類問題中的應(yīng)用.pdf
- 極限學(xué)習(xí)機(jī)在語音情感識(shí)別中的應(yīng)用研究.pdf
- 基于極限學(xué)習(xí)機(jī)的短期電力負(fù)荷預(yù)測(cè).pdf
- 極限學(xué)習(xí)機(jī)在紡織品圖像處理中的應(yīng)用.pdf
- 極限學(xué)習(xí)機(jī)的研究與應(yīng)用.pdf
- 基于集成學(xué)習(xí)的極限學(xué)習(xí)機(jī)的算法研究.pdf
- 基于極限學(xué)習(xí)機(jī)的風(fēng)電功率預(yù)測(cè)研究.pdf
- 多核極限學(xué)習(xí)機(jī)性能分析及其在脈象分類中的應(yīng)用.pdf
- 基于極限學(xué)習(xí)機(jī)的多示例算法研究.pdf
- 深度極限學(xué)習(xí)機(jī)的研究與應(yīng)用.pdf
- 基于人工智能算法改進(jìn)極限學(xué)習(xí)機(jī)的電力負(fù)荷預(yù)測(cè).pdf
評(píng)論
0/150
提交評(píng)論