技术特征：
技术总结
本发明公开了一种基于尺度变换激活函数的超限学习机的改进方法。本发明包含以下步骤：1、随机产生隐藏层节点参数(wi,bi),i＝1,2,…,L；2、用训练数据集的所有训练样本构建隐藏层数据矩阵V；3、将V中的(N×L)个元素按升序排列成(N×L)维隐藏层数据向量vasc；4、给出原激活函数g(·)及其期望输出的区间5、由构建输出向量6、设计需要求解的激活函数尺度变换参数为s和t，计算出最小时对应的s和t；7、以新的尺度变换激活函数g(s·V+t)求其隐藏层的输出矩阵H，输出权重β，得到训练模型完成训练。本发明能够自适应的调整隐藏层中激活函数的参数，使得隐藏层输出能够均匀的分布在期望的输出区间内，此时，隐藏层输出数据的信息熵达到最大，从而提高超限学习机的泛化性能。
技术研发人员：曹九稳;李荣;王天磊;王建中
受保护的技术使用者：杭州电子科技大学
技术研发日：2017.01.24
技术公布日：2017.07.28