基于盲动粒子群频率分解的极速学习机神经网络建模
来源：信息与控制杂志2017年第1期北京时间：
作者：刘加存, 梅其祥, 杨东红
摘要：为了提高神经网络的泛化性，对输入信号进行频率分解.频率分解相对提升了子频带的信息致密性，覆盖全频域的子频带，也保证了信息的遍历性.高致密性和遍历性有助于提高神经网络的泛化性.频率分解由盲动粒子群优化算法自动完成，粒子群算法和通常的神经网络算法都用迭代计算，但计算需耗费较长时间，而采用一次就完成学习的极速学习神经网络可以节省计算时间.仿真结果表明，该神经网络泛化性好、精度高能满足一般工程应用.
关键词：建模, 极速学习机(ELM) 神经网络, 频率分解, 盲动, 粒子群优化
