Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Stochastic Sensitivity Analysis Using Extreme Learning Machine Kapitel lesen Erstes Kapitel lesen

2014 | OriginalPaper | Buchkapitel

Extreme Support Vector Regression

verfasst von : Wentao Zhu, Jun Miao, Laiyun Qing

Erschienen in: Extreme Learning Machines 2013: Algorithms and Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Extreme Support Vector Machine (ESVM), a variant of ELM, is a nonlinear SVM algorithm based on regularized least squares optimization. In this chapter, a regression algorithm, Extreme Support Vector Regression (ESVR), is proposed based on ESVM. Experiments show that, ESVR has a better generalization ability than the traditional ELM. Furthermore, ESVM can reach comparable accuracy as SVR and LS-SVR, but has much faster learning speed.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Efficient Data Representation Combining with ELM and GNMF
Nächstes Kapitel A Modular Prediction Mechanism Based on Sequential Extreme Learning Machine with Application to Real-Time Tidal Prediction
Fußnoten
Literatur
1.
G.-B. Huang, D.H. Wang, Y. Lan, Extreme learning machines: a survey. Int. J. Mach. Learn. Cybernet. 2(2), 107–122 (2011)CrossRef
2.
G.-B. Huang, Q.-Y. Zhu, C.-K. Siew, Extreme learning machine: a new learning scheme of feedforward neural networks, in Proceedings. 2004 IEEE International Joint Conference on Neural Networks, 2004, vol. 2, pp. 985–990, IEEE, 2004
3.
G.-B. Huang, Q.-Y. Zhu, C.-K. Siew, Extreme learning machine: theory and applications. Neurocomputing. 70(1), 489–501 (2006)
4.
W. Zong, H. Zhou, G.-B. Huang, Z. Lin, Face recognition based on kernelized extreme learning machine, in Autonomous and Intelligent Systems (Springer, Berlin, 2011) pp. 263–272
5.
H.-J. Rong, Y.-S. Ong, A.-H. Tan, Z. Zhu, A fast pruned-extreme learning machine for classification problem. Neurocomputing. 72(1), 359–366 (2008)
6.
M. van Heeswijk, Y. Miche, T. Lindh-Knuutila, P.A. Hilbers, T. Honkela, E. Oja, A. Lendasse, Adaptive ensemble models of extreme learning machines for time series prediction, in Artificial Neural Networks—ICANN 2009 (Springer, Berlin, 2009) pp. 305–314
7.
G.-B. Huang, L. Chen, Convex incremental extreme learning machine. Neurocomputing. 70(16), 3056–3062 (2007)
8.
Q. He, T. Shang, F. Zhuang, Z. Shi, Parallel extreme learning machine for regression based on mapreduce. Neurocomputing. 102, 52–58 (2013)
9.
Q. Liu, Q. He, Z. Shi, Extreme support vector machine classifier, in Advances in Knowledge Discovery and Data Mining (Springer, Berlin, 2008) pp. 222–233
10.
Q. He, C. Du, Q. Wang, F. Zhuang, Z. Shi, A parallel incremental extreme svm classifier. Neurocomputing. 74(16), 2532–2540 (2011)
11.
B. Frénay, M. Verleysen, Using SVMs with randomised feature spaces: an extreme learning approach, in Proceedings of the 18th European symposium on Artificial Neural Networks (ESANN), Bruges, Belgium, pp. 28–30 (2010)
12.
A. Subasi, A decision support system for diagnosis of neuromuscular disorders using DWT and evolutionary support vector machines. Signal Image Video Process. 7, 1–10 (2013)
13.
P.-F. Pai, M.-F. Hsu, An enhanced support vector machines model for classification and rule generation, in Computational Optimization, Methods and Algorithms (Springer, Berlin 2011) pp. 241–258
14.
G.-B. Huang, H. Zhou, X. Ding, R. Zhang, Extreme learning machine for regression and multiclass classification. IEEE Trans. Syst. Man Cybern. Part B Cybern. 42(2), 513–529 (2012)CrossRef
15.
C.R. Rao, S.K. Mitra, Generalized Inverse of a Matrix and Its Applications (Wiley, New York, 1971)
16.
G.-B. Huang, X. Ding, H. Zhou, Optimization method based extreme learning machine for classification. Neurocomputing. 74(1), 155–163 (2010)
17.
C. Cortes, V. Vapnik, Support-vector networks. Mach. Learn. 20(3), 273–297 (1995)MATH
18.
19.
N.-Y. Liang, G.-B. Huang, P. Saratchandran, N. Sundararajan, A fast and accurate online sequential learning algorithm for feedforward networks. IEEE Trans. Neural Networks. 17(6), 1411–1423 (2006)
Metadaten
Titel
Extreme Support Vector Regression
verfasst von
Wentao Zhu
Jun Miao
Laiyun Qing
Copyright-Jahr
2014
Buch
Extreme Learning Machines 2013: Algorithms and Applications

Print ISBN: 978-3-319-04740-9

Electronic ISBN: 978-3-319-04741-6

Copyright-Jahr: 2014

DOI
https://doi.org/10.1007/978-3-319-04741-6_3

Premium Partner

    Bildnachweise