排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
2.
针对时间序列预测,在单隐层前馈神经网络的基础上,基于进化计算的优化策略,提出了一种优化的核极限学习机(optimized kernel extreme learning machine,O-KELM)方法.与极限学习机(extreme learning machine,ELM)方法相比,核极限学习机(kernel extreme learning machine,KELM)方法无须设定网络隐含层节点的数目,以核函数表示未知的隐含层非线性特征映射,通过正则化最小二乘算法计算网络的输出权值,它能以极快的学习速度获得良好的推广性.在KELM的基础上,分别将遗传算法、模拟退火、微分演化三种进化算法用于模型的结构输入选择、正则化系数以及核参数的优化选取,以进一步提高网络的性能.将O-KELM方法应用于标准Mackey-Glass混沌时间序列预测及某地区的风电功率时间序列预测实例中,在同等条件下,还与优化的极限学习机(optimized extreme learning machine,O-ELM)方法进行比较.实验结果表明,所提出的O-KELM方法在预测精度上优于O-ELM方法,表明了其有效性. 相似文献
4.
一个加强的Carleman不等式 总被引:2,自引:0,他引:2
建立如下权系数的不等式:(1 1/m)^n≤e(1-1-2/e/m)(m=1,2,…),这里,1-2/e=0.2642411^ 为最佳值,从而得到一个加强的Carleman不等式。 相似文献
5.
LinKo-Wei[1]提出猜想:如果F是由Bn中固定秩的不同元素生成的序理想,那么F是Sperner系[1],黄国泰就F是由X的子集Y的所有相同秩的元素生成的序理想,证实了上述猜想[2],本文完全证明了该猜想.本文使用的概念,符号见[2].定理设a... 相似文献
6.
7.
本文建立了关于欧拉常数γ的一个不等式:∑nk=11k-ln(n)-12n+112n2-1120n4<γ<∑nk=11k-ln(n)-12n+112n2-1120n4+1252n6,改进了文献[1],[2],[3]的结果 相似文献
8.
1987年,黄国泰推广了Kleitman和Katona定理。但是,若对某个正整数t(1≤t≤k-1)不存在F中的两个元A,B满足:存在某t个Si,使得Si∩A-Si∩B,而对其余的k-t个Sj都有A∩Sj 相似文献
9.
In this paper, by Riordan array several computing formulas for the combinatorial sums are given. 相似文献
10.
本建立了关于驮拉常数r的一个不等式:m∑k=1 1/k-ln(n)-1/2n 1/12n^2-1/120n^4<r<n∑k=1 1/k-ln(n)-1/2n 1/12n^2-1/120n4 1/252n^6,改进了献[1],[2],[3]的结果。 相似文献
1