论文部分内容阅读
极限学习机是一种训练单隐含层前馈神经网络的算法，它随机初始化输入层的权值和隐含层结点的偏置，用分析的方法确定输出层的权值。极限学习机具有学习速度快、泛化能力强的特点。很多研究都用服从[-1，1]区间均匀分布的随机数初始化输入层权值和隐含层结点的偏置，但没有对这种随机初始化合理性的研究。用实验的方法对这一问题进行了研究，分别研究了随机权服从均匀分布、高斯分布和指数分布对极限学习机性能的影响。研究发现随机权的分布对极限学习机的性能的确有影响，对于不同的问题或不同的数据集，服从[-1，1]区间均匀分布的随机权不