如何利用改进灰狼算法的深度极限学习机进行DELM预测并获取Matlab代码?
- 内容介绍
- 文章标签
- 相关推荐
本文共计740个文字,预计阅读时间需要3分钟。
1. 简介+优势特性通过引入极限学习机的弱特性,改进极限学习机的性能。为提升DELM预测精度,本文采用麻雀搜索算法优化DELM超参数,仿真结果明确,改进算法的预测精度得到提升。
1 简介
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.为了进一步提升DELM预测精度,本文采用麻雀搜索算法进一步优化DELM超参数,仿真结果表明,改进算法的预测精度更高。
本文共计740个文字,预计阅读时间需要3分钟。
1. 简介+优势特性通过引入极限学习机的弱特性,改进极限学习机的性能。为提升DELM预测精度,本文采用麻雀搜索算法优化DELM超参数,仿真结果明确,改进算法的预测精度得到提升。
1 简介
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.为了进一步提升DELM预测精度,本文采用麻雀搜索算法进一步优化DELM超参数,仿真结果表明,改进算法的预测精度更高。

