一种新的混合智能极限学习机.pdfVIP

第30 卷 第6 期 控 制 与 决 策 2015 年 6 月 Vol. 30 No. 6 Control and Decision Jun. 2015 文章编号: 1001-0920 (2015) 06-1078-07 DOI: 10.13195/j.kzyjc.2014.0321 一种新的混合智能极限学习机 1,2 2 1 2 林梅金 , 罗 飞 , 苏彩红 , 许玉格 (1. 佛山科学技术学院机械与电气工程学院，广东佛山528000 ； 2. 华南理工大学自动化科学与工程学院，广州510640) 摘 要: 提出一种基于差分进化(DE) 和粒子群优化(PSO) 的混合智能方法—– DEPSO 算法, 并通过对10 个典型函 数进行测试, 表明DEPSO 算法具有良好的寻优性能. 针对单隐层前向神经网络(SLFNs) 提出一种改进的学习算法 —– DEPSO-ELM 算法, 即应用DEPSO 算法优化SLFNs 的隐层节点参数, 采用极限学习算法(ELM) 求取SLFNs 的输 出权值. 将DEPSO-ELM 算法应用于6 个典型真实数据集的回归计算, 并与DE-ELM 、SaE-ELM 算法相比, 获得了更 精确的计算结果. 最后, 将DEPSO-ELM 算法应用于数控机床热误差的建模预测, 获得了良好的预测效果. 关键词: 粒子群优化算法；差分进化算法；极限学习机；混合 中图分类号: TP18 文献标志码: A An improved hybrid intelligent extreme learning machine 1,2 2 1 2 LIN Mei-jin , LUO Fei , SU Cai-hong , XU Yu-ge (1. Mechanical and Electrical Engineering College，Foshan University ，Foshan 528000 ，China ；2. School of Automation Science and Engineering，South China University of Technology，Guangzhou 510640，China. Correspondent ：LIN Mei- jin ，E-mail ：lmjfans@163.com) Abstract: An improved hybrid intelligent algorithm based on differential evolution(DE) and particle swarm optimization (PSO) is proposed. The performance of DEPSO algorithm is verified by simulations on 10 benchmark functions. Then, an improved learning algorithm named DEPSO extreme learning machine(DEPSO-ELM) algorithm for single hidden layer feedforward networks(SLFNs) is proposed. In DEPSO-ELM, DEPSO is used to optimize the network hidden node parameters, and ELM is used to analytical