基于极限学习机的软件质量评估,基于极限学习机的软件质量预测,基于ELM的软件质量识别

发布时间:2024年01月24日

目录

背影
极限学习机
基于极限学习机的软件质量评估,基于极限学习机的软件质量预测,基于ELM的软件质量识别

主要参数
MATLAB代码
效果图
结果分析
展望
完整代码下载链接:基于极限学习机的软件质量评估,基于极限学习机的软件质量预测,基于ELM的软件质量识别(代码完整,数据齐全)资源-CSDN文库 https://download.csdn.net/download/abc991835105/88770864

背影

极限学习机是在BP神经网络上改进的一种网络,拥有无限拟合能力,但是容易过拟合,本文通过基于极限学习机的软件质量评估,基于极限学习机的软件质量预测,基于ELM的软件质量识别

摘要

极限学习机原理,基于极限学习机的软件质量评估,基于极限学习机的软件质量预测,基于ELM的软件质量识别

极限学习机

极限学习机(Extreme Learning Machine, ELM)或“超限学习机”是一类基于前馈神经网络(Feedforward Neuron Network, FNN)构建的机器学习系统或方法,适用于监督学习和非监督学习问题
[1]
。ELM在研究中被视为一类特殊的FNN,或对FNN及其反向传播算法的改进,其特点是隐含层节点的权重为随机或人为给定的,且不需要更新,学习过程仅计算输出权重
[2]
。传统的ELM具有单隐含层,在与其它浅层学习系统,例如单层感知机(singl

文章来源:https://blog.csdn.net/abc991835105/article/details/135813192
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。