版權(quán)說(shuō)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、隨著科技的發(fā)展,算法已經(jīng)成為智能化技術(shù)的核心。機(jī)器學(xué)習(xí)算法已成為主要的研究領(lǐng)域。在近年的機(jī)器學(xué)習(xí)領(lǐng)域中,神經(jīng)網(wǎng)絡(luò)、BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和極限學(xué)習(xí)機(jī)算法相繼出現(xiàn)了,其中極限學(xué)習(xí)機(jī)算法成為近年機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)。隨著科學(xué)的發(fā)展,原有的極限學(xué)習(xí)機(jī)在眾多的領(lǐng)域已不能滿足其要求,所以在極限學(xué)習(xí)算法的基礎(chǔ)上,國(guó)內(nèi)外的研究人員相繼提出了眾多基于極限學(xué)習(xí)機(jī)的改進(jìn)算法。例如,基于蟻群的極限學(xué)習(xí)機(jī)和基于粒子群的極限學(xué)習(xí)等。為此,本文提出了一種基于煙
2、花算法優(yōu)化的極限學(xué)習(xí)算法。并對(duì)此算法展開(kāi)研究,闡述煙花極限學(xué)習(xí)機(jī)的理論及相關(guān)應(yīng)用。
首先,本文對(duì)人工神經(jīng)網(wǎng)絡(luò)、單隱層神經(jīng)網(wǎng)絡(luò)和極限學(xué)習(xí)機(jī)算法的基本理論及原理進(jìn)行了深入研究,介紹了幾種算法的公式推導(dǎo)和算法實(shí)現(xiàn)流程。在研究粒子群極限學(xué)習(xí)機(jī)原理的基礎(chǔ)之上,采用煙花算法優(yōu)化極限學(xué)習(xí)機(jī)的輸入權(quán)值。其原理如下:首先煙花算法經(jīng)過(guò)多次的迭代,確定M個(gè)最優(yōu)的煙花,并且以極限學(xué)習(xí)機(jī)測(cè)試樣本的RMSE作為煙花算法每次迭代的適應(yīng)度函數(shù)。然后達(dá)到優(yōu)化極
3、限學(xué)習(xí)機(jī)輸入權(quán)值矩陣和隱含層偏差的效果。最后根據(jù)廣義逆求出輸出矩陣。
其次,在完成算法的基礎(chǔ)上,采用一維SinC函數(shù)和一維高斯函數(shù)對(duì)算法性能進(jìn)行分析,并與極限學(xué)習(xí)機(jī)進(jìn)行對(duì)比。例如,分析隱含層節(jié)點(diǎn)數(shù)目、迭代次數(shù)分別對(duì)算法性能的影響。最后得出結(jié)論,煙花極限學(xué)習(xí)機(jī)相比于極限學(xué)習(xí)機(jī)能夠以更少的隱含層節(jié)點(diǎn)個(gè)數(shù)達(dá)到更高的精度,在實(shí)際應(yīng)用過(guò)程中節(jié)省了輸入節(jié)點(diǎn)所占用的空間。
然后,把煙花極限學(xué)習(xí)機(jī)算法運(yùn)用到光伏發(fā)電輸出功率預(yù)測(cè)中,在
4、驗(yàn)證煙花極限學(xué)習(xí)機(jī)算法的同時(shí),也驗(yàn)證了一種光伏發(fā)電輸出功率預(yù)測(cè)的可行性方法。本文采用某網(wǎng)站公布的澳大利亞某地區(qū)的一個(gè)光伏發(fā)電系統(tǒng)輸出功率及其相關(guān)的氣象數(shù)據(jù)信息。本文先對(duì)數(shù)據(jù)進(jìn)行歸一化處理、數(shù)據(jù)異常值處理、數(shù)據(jù)值缺失處理,建立預(yù)測(cè)模型的訓(xùn)練樣本和測(cè)試樣本。
最后,本文分別建立基于極限學(xué)習(xí)機(jī)光伏發(fā)電輸出功率預(yù)測(cè)模型、粒子群極限學(xué)習(xí)機(jī)光伏發(fā)電輸出功率模型和煙花極限學(xué)習(xí)機(jī)光伏發(fā)電輸出功率模型。在相同的隱含層節(jié)點(diǎn)數(shù)目的情況下對(duì)三種預(yù)測(cè)模
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)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(kù)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
- 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)結(jié)構(gòu)優(yōu)化及其應(yīng)用研究.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
- 灰色極限學(xué)習(xí)機(jī)預(yù)測(cè)算法研究.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
- 基于極限學(xué)習(xí)機(jī)的目標(biāo)識(shí)別算法研究.pdf
- 基于深度極限學(xué)習(xí)機(jī)的K-SVD算法研究及其應(yīng)用.pdf
- 基于粒子群算法優(yōu)化極限學(xué)習(xí)機(jī)的仿真機(jī)器魚(yú)策略.pdf
- 基于非平衡與在線學(xué)習(xí)的極限學(xué)習(xí)機(jī)算法研究與應(yīng)用.pdf
- 極限學(xué)習(xí)機(jī)并行化算法及在NOx排放預(yù)測(cè)中的應(yīng)用.pdf
- 基于極限學(xué)習(xí)機(jī)的選擇性集成學(xué)習(xí)算法研究.pdf
- 面向室內(nèi)火災(zāi)監(jiān)控的極限學(xué)習(xí)機(jī)算法研究.pdf
- 基于序列數(shù)據(jù)獲取的改進(jìn)極限學(xué)習(xí)機(jī)算法研究.pdf
- 極限學(xué)習(xí)機(jī)隱含層節(jié)點(diǎn)選擇算法研究.pdf
- 基于監(jiān)督聚類的極限學(xué)習(xí)機(jī)的增量學(xué)習(xí)算法研究.pdf
- 基于極限學(xué)習(xí)機(jī)的移動(dòng)視覺(jué)搜索研究與優(yōu)化.pdf
- 基于集成極限學(xué)習(xí)機(jī)的神經(jīng)元分類算法研究.pdf
- 超限學(xué)習(xí)機(jī)的優(yōu)化改進(jìn)及應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論