当前位置： 首页 > news >正文

极限学习机 (Extreme Learning Machine, ELM) 算法详解与PyTorch实现

news 2026/1/12 12:17:05

极限学习机 (Extreme Learning Machine, ELM) 算法详解与PyTorch实现

目录

  • 极限学习机 (Extreme Learning Machine, ELM) 算法详解与PyTorch实现
    • 1. 极限学习机 (ELM) 算法概述
      • 1.1 单隐层前馈神经网络
      • 1.2 ELM的优势
    • 2. ELM的核心技术
      • 2.1 模型定义
      • 2.2 随机初始化
      • 2.3 最小二乘法
      • 2.4 正则化
    • 3. PyTorch实现ELM
      • 3.1 环境准备
      • 3.2 PyTorch实现ELM
    • 4. 案例一：分类任务 - MNIST数据集
      • 4.1 数据集介绍
      • 4.2 数据预处理
      • 4.3 模型训练与评估
      • 4.4 运行结果
    • 5. 案例二：回归任务 - California Housing数据集
      • 5.1 数据集介绍
      • 5.2 数据预处理
      • 5.3 模型训练与评估
      • 5.4 运行结果
    • 总结

1. 极限学习机 (ELM) 算法概述

极限学习机（Extreme Learning Machine, ELM）是一种单隐层前馈神经网络（SLFN），由黄广斌教授于2006年提出。ELM的核心思想是随机初始化输入层到隐层的权重和偏置，并通过最小二乘法直接计算隐层到输出层的权重。ELM具有训练速度快、泛化性能好等优点，广泛应用于分类、回归和特征学习等任务。

1.1 单隐层前馈神经网络

单隐层前馈神经网络（SLFN）由输入层、隐层和输出层组成。ELM通过随机初始化隐层参数，避免了传统神经网络中耗时的反向传播过程。

1.2 ELM的优势

  • 训练速度快：ELM通过最小二乘法直接计算输出层权重，避免了迭代优化过程。
  • 泛化性能好：ELM在多个数据集上表现出优异的泛化性能。
  • 易于实现：ELM算法简单，易于实现和扩展。
<

相关文章：

极限学习机 (Extreme Learning Machine, ELM) 算法详解与PyTorch实现

极限学习机 (Extreme Learning Machine, ELM) 算法详解与PyTorch实现 目录 极限学习机 (Extreme Learning Machine, ELM) 算法详解与PyTorch实现1. 极限学习机 (ELM) 算法概述1.1 单隐层前馈神经网络1.2 ELM的优势2. ELM的核心技术2.1 模型定义2.2 随机初始化2.3 最小二乘法2.4…...

编程日记 2025/1/8 10:12:46

Hbuilder ios 离线打包sdk版本4.36，HbuilderX 4.36生成打包资源 问题记录

1、打包文档地址https://nativesupport.dcloud.net.cn/AppDocs/usesdk/ios.html#%E9%85%8D%E7%BD%AE%E5%BA%94%E7%94%A8%E7%89%88%E6%9C%AC%E5%8F%B7 2、配置应用图标 如果没有appicon文件&#xff0c;此时找到 Assets.xcassets 或者 Images.xcassets(看你sdk引入的启动文件中…...

编程日记 2025/1/8 10:06:41

实验四 数组和函数

实验名称 实验四 数组和函数 实验目的 &#xff08;1&#xff09;掌握一维、二维数组以及字符数组的定义、元素引用和编程方法。 &#xff08;2&#xff09;掌握字符串常用程序的设计方法。 &#xff08;3&#xff09;掌握函数定义和调用的方法&#xff0c;以及函数参数传…...

编程日记 2025/1/8 10:05:39

基于安卓14 的ANR dump信息原理

首先以 service 处理超时逻辑来分析 1&#xff09;service timeout调用到anr 的逻辑&#xff1a; /frameworks/base/services/core/java/com/android/server/am/ActiveServices.java 5827 void scheduleServiceTimeoutLocked(ProcessRecord proc) { 5828 if (…...

编程日记 2025/1/8 10:04:36

C++ volatile（八股总结）

答&#xff1a;跟编译器优化有关&#xff0c;告诉编译器每次操作该变量时一定要从内存中真正取出&#xff0c;而不是使用已经存在寄存器中的备份。 volatile是一个类型限定符&#xff0c;用来告诉编译器&#xff0c;某个变量的值可能在任何时刻发生变化&#xff0c;因此&#…...

编程日记 2025/1/8 10:03:34

SQL从入门到实战

学前须知 sqlzoo数据介绍 world nobel covid ge game、goal、eteam teacher、dept movie、casting、actor 基础语句 select&from SELECT from WORLD Tutorial - SQLZoo 基础查询select单列&多列&所有列&别名应用 例题一 SELECT name, continent, population …...

编程日记 2025/1/8 10:01:32

Redis源码阅读-源码阅读方式

Redis源码下载 首先通过地址&#xff08;https://github.com/redis/redis&#xff09;下载redis的源码。redis的源码版本&#xff0c;这里可以选择合适的查看&#xff0c;这里选择的是redis 5.x版本的源码。 Redis源码查看方式 这里可以选择合适的C开发工具&#xff0c;打开…...

编程日记 2025/1/8 9:59:30

若依框架简介

若依&#xff08;RuoYi&#xff09;框架是一个基于Java语言的后台管理系统快速开发框架&#xff0c;它结合了多种前端和后端技术&#xff0c;提供了高效的开发工具。以下是对若依框架的详细解析&#xff1a; 一、技术架构 后端&#xff1a;若依框架后端采用了Spring Boot、My…...

编程日记 2025/1/8 9:58:29

MOE怎样划分不同专家：K-Means聚类算法来实现将神经元特征聚类划分

MOE怎样划分不同专家：K-Means聚类算法来实现将神经元特征聚类划分 目录 MOE怎样划分不同专家：K-Means聚类算法来实现将神经元特征聚类划分MOE划分不同专家的方法K-Means聚类算法来实现将神经元特征聚类划分成不同专家（行或者列聚类）举例说明怎么聚类,最后神经网络怎么保存M…...

编程日记 2025/1/8 9:51:20

为 CentOS7 虚拟机添加第二块网卡

为 CentOS7 虚拟机添加第二块网卡 目录 为 CentOS7 虚拟机添加第二块网卡一、在虚拟中添加网卡二、网卡配置1、查看新增的网卡信息2、创建网卡配置文件 一、在虚拟中添加网卡 1、右击虚拟机&#xff0c;在弹出的菜单中选择【设置】&#xff0c;弹出如下图所示的【虚拟机设置】…...

编程日记 2025/1/8 9:48:17

30天开发操作系统 第 12 天 -- 定时器

前言 定时器(Timer)对于操作系统非常重要。它在原理上却很简单&#xff0c;只是每隔一段时间(比如0.01秒)就发送一个中断信号给CPU。幸亏有了定时器&#xff0c;CPU才不用辛苦地去计量时间。……如果没有定时器会怎么样呢?让我们想象一下吧。 假如CPU看不到定时器而仍想计量时…...

编程日记 2025/1/8 9:46:14

雷达的分类

雷达是一种利用电磁波进行探测和定位的设备&#xff0c;其分类方式多种多样&#xff0c;以下是按照不同标准对雷达进行的分类&#xff1a; 一、按功能分类 警戒雷达&#xff1a;用于搜索、监视和识别空中、海面或地面的目标&#xff0c;为防御系统提供早期预警。引导雷达&…...

编程日记 2025/1/8 9:44:10

Ubuntu桌面管理环境: GDM3，KDM，LightDM

介绍 Ubuntu是一个广受欢迎的Linux操作系统&#xff0c;拥有强大而多样化的桌面管理环境。其中三个常用的桌面管理环境是GDM3&#xff0c;KDM和LightDM。本篇博客将介绍这三个桌面管理环境的特点和功能。 GDM3 (GNOME Display Manager) GDM3是默认的桌面管理环境&#xff0c…...

编程日记 2025/1/8 9:40:06

使用Llama 3.1创建合成数据集以调优你的大型语言模型

使用Llama 3.1创建合成数据集以调优你的大型语言模型 在数据驱动的人工智能领域&#xff0c;数据是核心资产。开发高质量数据集既复杂又昂贵&#xff0c;因此很多实验室和开发者选择使用合成数据集。本文将介绍如何利用大型语言模型Llama 3.1 405B创建合成数据集&#xff0c;并…...

编程日记 2025/1/8 9:39:04

js可不使用document直接根据id获取id元素

今天在用原生js写demo的时候发现一个有意思的小现象&#xff0c;那就是可以直接根据元素的id去获取对应的元素。 起先是我定义了四个btn&#xff0c;每个btn都是根据getElementById来获取元素&#xff0c;然后给元素绑定事件&#xff0c;在调试的时候都挺好&#xff0c;到了后…...

编程日记 2025/1/8 9:35:00

【竞技宝】CS2:HLTV2024职业选手排名TOP8-broky

北京时间2025年1月7日,HLTV年度选手排名正在持续公布中,今日凌晨正式公布了今年的TOP8为FAZE战队的broky。 选手简介 broky是一位来自拉脱维亚的职业CS选手,现年23岁。2018年7月,broky获得了FPL资格,连续几季在榜上前5。他的首次赛场留名是跟随拉脱维亚本土战队Wolsung出征BES…...

编程日记 2025/1/8 9:31:54

Apache Paimon-实时数据湖

一、Apache Paimon是什么? Flink社区希望能够将 Flink 的 Streaming 实时计算能力和 Lakehouse 新架构优势进一步结合&#xff0c;推出新一代的 Streaming Lakehouse 技术&#xff0c;促进数据在数据湖上真正实时流动起来&#xff0c;并为用户提供实时离线一体化的开发体验。 …...

编程日记 2025/1/8 9:26:48

hpm使用笔记————使用usb作为从机接收来自上位机的数据然后通过spi主机发送给spi从机

历程整合 环境要求任务需求任务实现代码实现任务测试功能测试 结束 环境 hpm_sdk v 1.7.0ses v8.10 要求 例程demo USB-CDC 作为从机接收&#xff0c;然后把接收到的数据转发给SPI&#xff0c;SPI传输出去 任务需求 USB使用cherry协议栈进行开发 作为device设备&#xff08;…...

编程日记 2025/1/8 9:25:47

数据结构(查找算法)

1. 查找的概念 在一堆数据中&#xff0c;找到我们想要的那个数据&#xff0c;就是查找&#xff0c;也称为搜索&#xff0c;很容易想到&#xff0c;查找算法的优劣&#xff0c;取决于两个因素&#xff1a; 数据本身存储的特点查找算法本身的特点 比如&#xff0c;如果数据存储…...

编程日记 2025/1/8 9:23:39

private前端常见算法

1.数组 合并两个有序数组&#xff08;简单-5&#xff09; https://leetcode.cn/problems/merge-sorted-array/description/?envTypestudy-plan-v2&envIdtop-interview-150 移除元素&#xff08;简单-4&#xff09; https://leetcode.cn/problems/remove-element/descr…...

编程日记 2025/1/8 9:21:35

变量 varablie 声明- Rust 变量 let mut 声明与 C/C++ 变量声明对比分析

一、变量声明设计&#xff1a;let 与 mut 的哲学解析 Rust 采用 let 声明变量并通过 mut 显式标记可变性&#xff0c;这种设计体现了语言的核心哲学。以下是深度解析&#xff1a; 1.1 设计理念剖析 安全优先原则&#xff1a;默认不可变强制开发者明确声明意图 let x 5; …...

编程新知 2025/9/28 20:12:12

利用ngx_stream_return_module构建简易 TCP/UDP 响应网关

一、模块概述 ngx_stream_return_module 提供了一个极简的指令&#xff1a; return <value>;在收到客户端连接后&#xff0c;立即将 <value> 写回并关闭连接。<value> 支持内嵌文本和内置变量&#xff08;如 $time_iso8601、$remote_addr 等&#xff09;&a…...

编程新知 2025/9/21 0:49:02

python打卡day49

知识点回顾&#xff1a; 通道注意力模块复习空间注意力模块CBAM的定义 作业&#xff1a;尝试对今天的模型检查参数数目&#xff0c;并用tensorboard查看训练过程 import torch import torch.nn as nn# 定义通道注意力 class ChannelAttention(nn.Module):def __init__(self,…...

编程新知 2026/1/8 15:18:46

黑马Mybatis

Mybatis 表现层&#xff1a;页面展示 业务层&#xff1a;逻辑处理 持久层&#xff1a;持久数据化保存 在这里插入图片描述 Mybatis快速入门 ![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/6501c2109c4442118ceb6014725e48e4.png //logback.xml <?xml ver…...

编程新知 2026/1/9 7:20:19

模型参数、模型存储精度、参数与显存

模型参数量衡量单位 M&#xff1a;百万&#xff08;Million&#xff09; B&#xff1a;十亿&#xff08;Billion&#xff09; 1 B 1000 M 1B 1000M 1B1000M 参数存储精度 模型参数是固定的&#xff0c;但是一个参数所表示多少字节不一定&#xff0c;需要看这个参数以什么…...

编程新知 2025/12/20 12:32:08

阿里云ACP云计算备考笔记 (5)——弹性伸缩

目录 第一章 概述 第二章 弹性伸缩简介 1、弹性伸缩 2、垂直伸缩 3、优势 4、应用场景 ① 无规律的业务量波动 ② 有规律的业务量波动 ③ 无明显业务量波动 ④ 混合型业务 ⑤ 消息通知 ⑥ 生命周期挂钩 ⑦ 自定义方式 ⑧ 滚的升级 5、使用限制 第三章 主要定义 …...

编程新知 2026/1/9 19:54:47

Qwen3-Embedding-0.6B深度解析：多语言语义检索的轻量级利器

第一章 引言&#xff1a;语义表示的新时代挑战与Qwen3的破局之路 1.1 文本嵌入的核心价值与技术演进 在人工智能领域&#xff0c;文本嵌入技术如同连接自然语言与机器理解的“神经突触”——它将人类语言转化为计算机可计算的语义向量&#xff0c;支撑着搜索引擎、推荐系统、…...

编程新知 2025/11/6 8:47:31

Python爬虫（一）：爬虫伪装

一、网站防爬机制概述 在当今互联网环境中&#xff0c;具有一定规模或盈利性质的网站几乎都实施了各种防爬措施。这些措施主要分为两大类&#xff1a; 身份验证机制&#xff1a;直接将未经授权的爬虫阻挡在外反爬技术体系&#xff1a;通过各种技术手段增加爬虫获取数据的难度…...

编程新知 2026/1/6 6:43:07

【决胜公务员考试】求职OMG——见面课测验1

2025最新版&#xff01;&#xff01;&#xff01;6.8截至答题&#xff0c;大家注意呀&#xff01; 博主码字不易点个关注吧,祝期末顺利~~ 1.单选题(2分) 下列说法错误的是:&#xff08; B &#xff09; A.选调生属于公务员系统 B.公务员属于事业编 C.选调生有基层锻炼的要求 D…...

编程新知 2025/11/8 16:25:01

ElasticSearch搜索引擎之倒排索引及其底层算法

文章目录 一、搜索引擎1、什么是搜索引擎？2、搜索引擎的分类3、常用的搜索引擎4、搜索引擎的特点二、倒排索引1、简介2、为什么倒排索引不用B+树1.创建时间长，文件大。2.其次，树深，IO次数可怕。3.索引可能会失效。4.精准度差。三. 倒排索引四、算法1、Term Index的算法2、 …...

编程新知 2026/1/1 11:10:33