隐私保护赋能下的极限学习机：原理、应用与创新发展.docx

下载文档

6
0
约1.83万字
约 15页
2025-12-12 发布于上海
举报
版权申诉
保障服务

隐私保护赋能下的极限学习机：原理、应用与创新发展.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。

隐私保护赋能下的极限学习机：原理、应用与创新发展

一、引言

1.1研究背景与意义

随着人工智能技术的迅猛发展，极限学习机（ExtremeLearningMachine，ELM）作为一种高效的机器学习算法，在众多领域得到了广泛应用。ELM由黄广斌教授于2004年首次提出，它是一种单层前馈神经网络的学习算法，通过随机生成输入层到隐藏层的连接权值和隐藏层神经元的偏置，在训练过程中仅需设置输出层的权值，极大地简化了传统神经网络繁琐的迭代训练过程，具有训练速度快、泛化性能好等优点，在模式识别、数据挖掘、函数逼近等领域展现出独特优势。例如在图像识别领域，ELM能够快速对大量图像进行分类和识