[00033731]一种基于共轭梯度法的超限学习机建模方法
技术详细介绍
本技术属于超限学习机理论技术领域，尤其与一种基于共轭梯度法的改
进超限学习机建模方法有关。脑电信号主要由大脑内大量相互关联的神
经元之间相互作用所引起的大脑皮层中 的事件相关电位变化，是目前
获取大脑信息的重要手段之一。脑-机接口技术建立了大脑和外部设备
(比如计算机或 其他设备)间可以直接传递信息的通道，是利用大脑信
息的有效手段。超限学习机方法是在2004年由南 洋理工大学的黄广斌
教授首次提出，是一种简单易用且有效的单隐层前馈神 经网络的学习
算法。超限学习机在参数设定中只需要一次性设置该网络的隐 层节点
个数，在算法执行过程中并不需要调整输入层与隐层节点之间的权值
以及隐元的偏置，在执行过程中为网络的输入权值和隐藏层偏置进行随
机赋值，不需要再进行调整，然后输出层权值的最优解通过最小二乘法
得到。 整个训练过程无需迭代更新权值, 因此具有参数选择容易、学
习速度极快（是BP算法的100倍以上）且泛化性能好的优点。针对上述
问题，本发明的目的旨在克服现有的ELM算法所需要的网络隐层节点数
过多，而基于最速下降法的ELM算法收敛速度较慢，提供一种结合共轭
梯度法和超限学习机相关算法，且网络结构小、提升训练速度的基于共
轭梯度法的超限学习机建模方法。
