极限学习机ELM原理的简介
极限学习机ELM原理的简介
BY:YANG LIU
1.极限学习机的起源（ELM-extreme learning machine）
在2004年由南洋理工大学的黄广斌提出，并发表于当年的IEEE国际交互会议（IEEE International Joint Conference）中，目的是为了对反向传播算法（Backward Propagation, BP）进行改进以提升学习效率，并简化学习参数的设定。
2.什么是极限学习机
是基于前馈神经元网络（feedforward neuron network）的机器学习方法，适用于监督学习和非监督学习，传统的极限学习机为单隐含层。
3.极限学习机的特点
（1）输入层和隐含层之间的连接权值和隐含层的阈值可以随机设定，且设定后无需进行调整。
（2）隐含层和输出层之间的连接权值不需要迭代调整，而是通过解方程的形式一次确定。
（3）算法的计算速度更快。
（4）泛化能力更好，泛化能力是指机器学习算法对新鲜样本的适应能力，对具有同一规律的学习集以外的数据，经过训练网络也能给出合适的输出，该能力称为泛化能力。
（5）**函数可以是任意的非线性片段连续函数。
4.黄广斌等提出的定理
5.ELM的算法步骤