【回归预测-DELM】基于鲸鱼算法改进深度学习极限学习机实现数据回归预测附matlab代码

简介: 【回归预测-DELM】基于鲸鱼算法改进深度学习极限学习机实现数据回归预测附matlab代码

✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。

🍎个人主页:Matlab科研工作室

🍊个人信条:格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测雷达通信 无线传感器

信号处理图像处理路径规划元胞自动机无人机 电力系统

⛄ 内容介绍

1.1 鲸鱼算法

基本鲸鱼优化算法是由Mirjalili等从座头鲸的捕食行为中,产生灵感,并加以改进,提出的一种新型元启发式算法。数学模型来源于3种捕食行为:环绕式捕食、螺旋气泡网捕食和随机搜索捕食。

1.1环绕式捕食

WOA算法假设当前最佳鲸群个体位置为最接近目标猎物的位置。这种捕食行为的数学表达式为:

1.2螺旋气泡网捕食

螺旋气泡网捕食行为简化为收缩和螺旋上升,这两种行为同时进行,算法中以概率为选择阈值,决定采用何种方式进行迭代,数学模型如下:

1.3随机搜索捕食

当系数向量的值不在之间,则跳出已经找到的最优个体,重新寻找新的随机个体,其数学模型如下:

1.2  深度极限学习机

人工神经网络的最大缺点是训练时间太长从而限制其实时应用范围,近年来,极限学习机(Extreme Learning Machine, ELM)的提出使得前馈神经网络的训练时间大大缩短,然而当原始数据混杂入大量噪声变量时,或者当输入数据维度非常高时,极限学习机算法的综合性能会受到很大的影响。深度学习算法的核心是特征映射,它能够摒除原始数据中的噪声,并且当向低维度空间进行映射时,能够很好的起到对数据降维的作用,因此我们思考利用深度学习的优势特性来弥补极限学习机的弱势特性从而改善极限学习机的性能。在本文中,首先介绍了基于自编码器的极限学习机(Auto Encode based Extreme Learning Machine, AE-ELM),它使用第一层自编码网络对输入数据进行降维除噪处理,再使用第二层自编码算法确定ELM输入权值以提升ELM有效性,最后使用最小二乘法确定ELM输出层权值。这种方法主要解决数据维度偏高且含有噪声时的情况,最后实验验证了AE-ELM在噪声数据下很好的提升了算法的性能。其次,详细介绍了基于极限学习机的自编码器(Extreme Learning Machine Auto Encode, ELM-AE),它能够对原始特征进行等维度,高维度,及低维度的特征映射,为ELM在超高维度下的应用奠定了基础。

⛄ 部分代码

function X = pinv(A,tol)

%PINV   Pseudoinverse.

%   X = PINV(A) produces a matrix X of the same dimensions

%   as A' so that A*X*A = A, X*A*X = X and A*X and X*A

%   are Hermitian. The computation is based on SVD(A) and any

%   singular values less than a tolerance are treated as zero.

%

%   PINV(A,TOL) treats all singular values of A that are less than TOL as

%   zero. By default, TOL = max(size(A)) * eps(norm(A)).

%

%   Class support for input A:

%      float: double, single

%

%   See also RANK.

 

%   Copyright 1984-2015 The MathWorks, Inc.

A(isnan(A)) = 0;

A(isinf(A)) = 0;

[U,S,V] = svd(A,'econ');

s = diag(S);

if nargin < 2

   tol = max(size(A)) * eps(norm(s,inf));

end

r1 = sum(s > tol)+1;

V(:,r1:end) = [];

U(:,r1:end) = [];

s(r1:end) = [];

s = 1./s(:);

X = (V.*s.')*U';

⛄ 运行结果

⛄ 参考文献

[1]崔兴华, 靳晟, 姚芷馨,等. 基于麻雀搜索算法和广义回归神经网络的玉米产量预测[J]. 数学的实践与认识, 2022, 52(7):9.

[2]马萌萌. 基于深度学习的极限学习机算法研究[D]. 中国海洋大学, 2016.

[3]王彦琦, 张强, 朱刘涛,等. 基于改进鲸鱼优化算法的GBDT回归预测模型[J]. 吉林大学学报:理学版, 2022(002):060.

❤️ 关注我领取海量matlab电子书和数学建模资料
❤️部分理论引用网络文献,若有侵权联系博主删除

天天Matlab

博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,完整matlab代码或者程序定制加qq1575304183。

公众号

     



相关文章
|
4天前
|
机器学习/深度学习 算法 调度
深度学习|改进两阶段鲁棒优化算法i-ccg
深度学习|改进两阶段鲁棒优化算法i-ccg
|
4天前
|
机器学习/深度学习 PyTorch 算法框架/工具
深度学习参数初始化(二)Kaiming初始化 含代码
深度学习参数初始化(二)Kaiming初始化 含代码
14 2
|
4天前
|
机器学习/深度学习 PyTorch 算法框架/工具
深度学习参数初始化(一)Xavier初始化 含代码
深度学习参数初始化(一)Xavier初始化 含代码
14 2
|
4天前
|
机器学习/深度学习 算法 数据可视化
深度学习代码通常包括以下几个主要部分
【5月更文挑战第11天】深度学习代码通常包括以下几个主要部分
8 1
|
4天前
|
机器学习/深度学习 IDE Serverless
通过阅读他人的代码是提高深度学习技能
【5月更文挑战第10天】通过阅读他人的代码是提高深度学习技能
9 4
|
4天前
|
机器学习/深度学习 自然语言处理 算法
深度学习算法简介(二)
深度学习算法简介(二)
|
4天前
|
机器学习/深度学习 自然语言处理 算法
深度学习算法简介(一)
深度学习算法简介(一)
|
4天前
|
机器学习/深度学习 自然语言处理 算法
Python遗传算法GA对长短期记忆LSTM深度学习模型超参数调优分析司机数据|附数据代码
Python遗传算法GA对长短期记忆LSTM深度学习模型超参数调优分析司机数据|附数据代码
|
4天前
|
数据安全/隐私保护
地震波功率谱密度函数、功率谱密度曲线,反应谱转功率谱,matlab代码
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
|
4天前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度

热门文章

最新文章