极限学习机ELM激光雷达分类.pptxVIP

基于ELM的激光雷达场景识别;基于ELM的激光雷达场景识别;ELM分类算法大致流程： 1.分别载入训练数据和测试数据 2.根据输入数据和参数计算输出神经元 3.根据输出神经元匹配输入数据标签 4.根据每组输出数据的标签匹配正确数和数据总组数，计算精度 以训练集数据为例，作流程图和详细解析，测试集和训练集流程相同。; 对于单隐层神经网络，ELM 可以随机初始化输入权重和偏置并得到相应的输出权重。 对于一个单隐层神经网络(见右图),假设有个任意的样本 ，其中 对于一个有个隐层节点的单隐层神经网络可以表示为： ; 单隐层神经网络学习的目标是使得输出的误差最小，可以表示为 即存在 ， 和 ，使得 可以矩阵表示为 其中， 是隐层节点的输出， 为输出权重， 为期望输出。; 为了能够训练单隐层神经网络，我们希望得到 ， 和 ，使得 其中， ，这等价于最小化损失函数 传统的一些基于梯度下降法的算法，可以用来求解这样的问题，但是基本的基于梯度的