×
黄、高;黄光斌;宋世吉;你，科佑

极端学习机器的趋势：综述。 （英语） Zbl 1325.68190号

神经网络。 61, 32-48 (2015).
摘要：极限学习机（ELM）近年来受到了各个研究领域的广泛关注。在这篇综述中，我们旨在报告这一主题的理论研究现状和实践进展。我们首先从理论角度对ELM进行了概述，包括插值理论、通用逼近能力和泛化能力。然后重点介绍了ELM的各种改进，这些改进进一步提高了ELM在一般或特定条件下的稳定性、稀疏性和准确性。除了分类和回归之外，ELM最近还扩展到聚类、特征选择、表征学习和许多其他学习任务。这些新出现的算法极大地扩展了ELM的应用。从实现方面来看，硬件实现和并行计算技术大大加快了ELM的训练，使其适用于大数据处理和实时推理。由于其显著的效率、简单性和令人印象深刻的泛化性能，ELM已被应用于生物医学工程、计算机视觉、系统识别、控制和机器人等多个领域。在这篇综述中，我们试图对ELM的这些进展及其未来前景提供一个全面的观点。

引用于39文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
68吨10 模式识别、语音识别
62H30型 分类和区分；聚类分析（统计方面）
68-02 与计算机科学有关的研究展览会（专著、调查文章）

关键词：

极限学习机;分类;群集;特征学习;回归，回归

软件：

OP-ELM公司
PDF格式BibTeX公司 XML格式引用
\textit{G.Huang}等人，神经网络。61、32-48（2015；Zbl 1325.68190）
全文： 内政部

参考文献：

[1] Adamos，D.A。；拉斯卡利斯，N.A。；Kosmidis，E.K。；Theophidis，G.，Nass:基于混合噪声辅助方法的重叠分辨率的棘波分类实证方法，《神经科学方法杂志》，190，1，129-142（2010）
[2] An，L。；Bhanu，B.，极限学习机器的图像超分辨率，（2012年IEEE第19届图像处理国际会议（2012年），IEEE），2209-2212
[3] Avci，E.，专家目标识别系统的一种新方法：遗传小波极值学习机（GAWELM），expert Systems with Applications，40，10，3984-3993（2013）
[4] 阿夫奇，E。；Coteli，R.，基于小波极值学习机的新型自动目标识别系统，应用专家系统，39，16，12340-12348（2012）
[5] Bai，Z。；黄，G.-B。；王，D。；Wang，H。；Westover，M.B.，《分类用稀疏极端学习机》，IEEE控制论汇刊（2014）
[6] 巴尔贝，A。；Avci，E。；萨欣，O。；Coteli，R.，被咬坚果干燥过程建模(笃耨香)在固定床干燥机系统中使用极限学习机，《国际食品工程杂志》，8，4（2012）
[7] 巴尔贝，A。；Kaya，Y。；Sahin，O.，《黑孜然的干燥》(黑种草)在微波辅助干燥系统中，使用极限学习机建模，《能源》，44，1，352-357（2012）
[8] Baradarani，A。；吴庆明。；Ahmadi，M.，通过光照增强和dd-dtcwt滤波实现高效的光照不变人脸识别框架，模式识别，46，1，57-72（2013）
[9] 巴里亚·R。；博奎特，L。；奥尔特加，S。；Lopez，E。；Rodriguez-Ascarize，J.M.，《基于Eog的人机交互眼动编码》，《应用专家系统》，39，3，2677-2683（2012）
[10] 巴苏，A。；Shuo，S。；周，H.M。；Lim，M.H。；Huang，G.B.，用于极端学习机器硬件实现的硅尖峰神经元，神经计算，102125-134（2013）
[11] Bazi，Y。；阿拉伊兰，N。；Melgani，F。；AlHichri，H。；马利克，S。；Yager，R.R.，高光谱图像分类的差分进化极端学习机，IEEE Geoscience and Remote Sensing Letters，11，6，1066-1070（2014）
[12] 贝尔金，M。；Niyogi，P.，用于降维和数据表示的拉普拉斯特征映射，神经计算，15，6，1373-1396（2003）·Zbl 1085.68119号
[13] 贝尔金，M。；Niyogi，P。；Sindhwani，V.，《流形正则化：从标记和未标记示例学习的几何框架》，《机器学习研究杂志》，7，2399-2434（2006）·Zbl 1222.68144号
[14] Bengio，Y.，《学习人工智能的深层架构，机器学习的基础和趋势》，2，1，1-127（2009）·Zbl 1192.68503号
[15] Benoit，F。；van Heeswijk，M。；密歇根州。；Verleysen，M。；Lendasse，A.，带极端学习机的非线性模型的特征选择，神经计算，102111-124（2013）
[16] 布洛克，H.D.，《感知器：大脑功能模型》。一、 现代物理学评论，34，1，123-135（1962）·Zbl 0105.12701号
[17] 砌块，H.D。；奈特，J.B.W。；Rosenblatt，F.，四层串联耦合感知器的分析。二、 《现代物理学评论》，34,1135-142（1962）·Zbl 0105.12702号
[18] 博奎特，L。；Miguel-Jimenez，J.M。；奥尔特加，S。；罗德里格斯-阿斯卡利兹，J.M。；佩雷斯-里科，C。；Blanco，R.，应用神经网络和结构模式分析的青光眼多焦视网膜电图诊断，应用专家系统，39，1，234-238（2012）
[20] Butcher，J.B。；Verstraeten，D。；Schrauwen，B。；Day，C.R。；Haycock，P.W.，非线性时间序列数据分析的水库计算和极端学习机器，神经网络，38，76-89（2013）
[21] 坎布里亚，E。；Gastaldo，P。；比西奥，F。；Zunino，R.，《基于ELM的情感类比推理模型》，神经计算（2014），出版
[22] 曹建伟。；林，Z.P。；Huang，G.B.，带极限学习机的复合函数小波神经网络，神经计算，73，7-9，1405-1416（2010）
[23] 曹建伟。；林，Z.P。；Huang，G.B.，自适应进化极端学习机，《神经处理快报》，36，3，285-305（2012）
[24] 曹建伟。；林，Z.P。；黄，G.B。；Liu，N.，基于投票的极端学习机器，信息科学，185，1，66-77（2012）
[25] 曹福林。；刘，B。；Park，D.S.，基于有效极端学习机器的图像分类，神经计算，102，90-97（2013）
[26] Chang，N.B。；Han，M。；姚，W。；陈，L.C。；Xu，S.G.，使用spot-5图像和部分lanczos极限学习机检测城市区域的土地利用和土地覆盖变化，应用遥感杂志，4（2010）
[27] 陈，S。；Cowan，C。；Grant，P.，径向基函数网络的正交最小二乘学习算法，IEEE神经网络汇刊，2，2，302-309（1991）
[28] Chen，Q.S。；丁，J。；蔡建瑞（Cai，J.R.）。；Zhao，J.W.，基于有效变量选择算法和非线性回归工具的近红外光谱法快速测量醋中的总酸含量（TAC），食品化学，135，2550-595（2012）
[29] 陈，X。；董振英。；Meng，K。；Ku，Y。；Wong，K.P。；Ngan，H.W.，《使用极端学习机器和引导进行电价预测》，IEEE电力系统交易，27，4，2055-2062（2012）
[30] Chen，F.L。；Ou，T.Y.，基于灰色极值学习机和田口方法的零售业销售预测系统，应用专家系统，38，3，1336-1345（2011）
[31] 陈，H。；彭杰。；周，Y。；李，L。；Pan，Z.，《排名极端学习机：泛化分析与应用》，神经网络，53，119-126（2014）·Zbl 1308.68092号
[32] Cheng，C。；Tay，W.P。；Huang，G.-B.，入侵检测极端学习机，（2012年神经网络国际联合会议（IJCNN）（2012），IEEE），1-8
[33] 陈永强。；赵振堂。；王世清。；Chen，Z.Y.，基于极端学习机器的设备无位移活动识别模型，软计算，16，9，1617-1625（2012）
[34] 陈，Z.X.X。；朱海燕。；Wang，Y.G.G.，带S形激活函数的改进极端学习机，神经计算与应用，22，3-4，541-550（2013）
[35] Choi，K。；Toh，K.A。；Byun，H.，大型社交网络服务的增量人脸识别，模式识别，45,82868-2883（2012）
[36] 科尔特斯，C。；Vapnik，V.，支持向量机，机器学习，20，3，273-297（1995）·Zbl 0831.68098号
[37] 克里奇，G。；姜凤，极端学习机在网络入侵检测中的应用，（数值分析与应用数学国际会议，第1479卷（2012），AIP出版社），1506-1511
[38] Daliri，M.R.，基于遗传算法和模糊极限学习机的肺癌诊断混合自动系统，医学系统杂志，36，2，1001-1005（2012）
[39] Decherchi，S。；Gastaldo，P。；Dahiya，R.S。；瓦莱，M。；Zunino，R.，使用计算智能对接触材料进行触觉数据分类，IEEE机器人学报，27，3，635-639（2011）
[40] Decherchi，S。；Gastaldo，P。；Leoncini，A。；Zunino，R.，《分类极端学习机器的高效数字实现》，IEEE电路和系统学报II——简报，59，8，496-500（2012）
[41] Decherchi，S。；Gastaldo，P。；Zunino，R。；坎布里亚，E。；Redi，J.，Circular-ELM，用于感知图像质量的减少参考评估，神经计算，102，78-89（2013）
[42] 邓，J。；李凯。；Irwin，G.W.，基于极限学习机的快速自动两阶段非线性模型识别，神经计算，74，162422-2429（2011）
[43] 邓，W.-Y。；郑庆华。；Wang，Z.-M.，投影向量机，神经计算，120，490-498（2013）
[44] 杜，D.J。；李凯。；欧文，G.W。；Deng，J.，一种新的使用极限学习机的自动两阶段局部正则化分类器构造方法，神经计算，102，10-22（2013）
[45] 冯·G·R。；黄，G.B。；林庆平。；Gay，R.，Error minimized extreme learning machine with growth of hidden nodes and incremental learning，IEEE神经网络汇刊，20，8，1352-1357（2009）
[46] 冯·G·R。；钱，Z.X。；张晓平，进化选择-回归极端学习机优化，软计算，16，9，1485-1491（2012）
[47] Feng，Y。；Wang，Y.N。；Yang，Y.M.，关节子空间下基于神经网络的机器人操作手运动学逆解，国际计算机通信与控制杂志，7，3，459-472（2012）
[48] 费尔南德斯·德尔加多，M。；Cernadas，E。；巴罗，S。；里贝罗，J。；Neves，J.，直接核感知器（DKP）：基于超快速核ELM的分类和非迭代闭合形式权重计算，神经网络，50，60-71（2014）·Zbl 1298.68219号
[49] Frenay，B。；Verleysen，M.，非线性支持向量回归极端学习中的参数不敏感核，神经计算，74，16，2526-2531（2011）
[50] Gao，J.F。；王，Z。；Yang，Y。；张伟杰。；Tao，C.Y。；Guan，J.A.，基于f-score和极限学习机的测谎新方法，《Plos One》，第8、6页（2013年）
[51] Gastaldo，P。；Zunino，R。；坎布里亚，E。；Decherchi，S.，结合ELM和随机投影，IEEE智能系统，28，5，18-20（2013）
[52] M.T.哈根。；Menhaj，M.B.，用马夸特算法训练前馈网络，IEEE神经网络汇刊，5，61989-993（1994）
[53] 何，Q。；杜春云。；王，Q。；庄，F.Z。；Shi，Z.Z.，并行增量极端支持向量机分类器，神经计算，74，16，2532-2540（2011）
[54] 何，Q。；Shang，T.F。；庄福仲。；Shi，Z.Z.，基于mapreduce的回归并行极限学习机，神经计算，102，52-58（2013）
[55] 他，B。；徐，D。；Nian，R。；van Heeswijk，M。；余，Q。；Miche，Y.，《通过稀疏编码和极端学习机器进行快速人脸识别》，认知计算，6264-277（2014）
[56] Horata，P。；Chiewchanwattana，S。；Sunat，K.，《稳健极限学习机器》，神经计算，102，31-44（2013）
[58] 黄，G.-B。；Chen，L.，凸集增量极端学习机，神经计算，70，16，3056-3062（2007）
[59] 黄，G.-B。；Chen，L.，基于增强随机搜索的增量极限学习机，神经计算，71，16，3460-3468（2008）
[60] 黄，G.-B。；Chen，L。；Siew，C.-K.，使用带有随机隐藏节点的增量构造前馈网络的通用近似，IEEE神经网络汇刊，17，4，879-892（2006）
[61] 黄，G.-B。；丁晓杰。；周海明，基于优化方法的分类极端学习机，神经计算，74，1-3，155-163（2010）
[62] 黄，G.-B。；李，M.-B。；Chen，L。；Siew，C.-K.，具有完全复杂隐藏节点的增量极端学习机，神经计算，71，4，576-583（2008）
[63] 黄，G。；Song，S。；古普塔，J。；Wu，C.，《半监督和非监督极端学习机器》，IEEE控制论汇刊（2014）
[64] 黄，G。；Song，S。；Wu，C.，训练级联神经网络的正交最小二乘算法，IEEE电路与系统汇刊I：常规论文，59，11，2629-2637（2012）·Zbl 1468.92011年
[65] 黄，W。；Tan，Z.M。；林，Z。；黄，G.B。；周，J。；Chui，C.K.，使用极限学习机从3D CT图像中分割肝实质的半自动方法（2012），IEEE
[66] 黄，G.-B。；Wang，D.H。；Lan，Y.，《极限学习机器：一项调查》，《国际机器学习与控制论杂志》，2011年第2期，第107-122页
[67] 黄，G.-B。；周，H。；丁，X。；Zhang，R.，回归和多类分类的极端学习机，IEEE系统、人和控制论汇刊，B部分：控制论，42，2，513-529（2012）
[68] 黄，G.-B。；朱庆云。；Siew，C.-K.，《极限学习机器：理论与应用》，神经计算，70，1489-501（2006）
[70] Kan，E.M。；Lim，M.H。；Ong，Y.S。；谭，A.H。；Yeo，S.P.，无人飞行器基于地形的极端学习机器导航，神经计算与应用，22，3-4，469-477（2013）
[71] Karpagachelvi，S。；Arthanari，M。；Sivakumar，M.，用支持向量机和极限学习机对心电图信号进行分类，神经计算与应用，21，6，1331-1339（2012）
[72] Kasun，L.L.C.公司。；周，H。；Huang，G.-B.，用ELM进行大数据的表征学习，IEEE智能系统，28，5，31-34（2013）
[73] Kaya，Y。；Uyar，M.，基于粗糙集和极端学习机的肝炎诊断混合决策支持系统，应用软计算，13，8，3429-3438（2013）
[74] Kim，J。；Shin，H.S.公司。；Shin，K。；Lee，M.，使用极限学习机进行心电图心律失常分类的鲁棒算法，生物医学工程在线，8（2009）
[75] Kong，W.W。；张，C。；刘，F。；龚，A.P。；He，Y.，使用可见光和近红外光谱和化学计量学检测辐照奶粉的辐照剂量，《乳品科学杂志》，96，8，4921-4927（2013）
[76] Kosmatopoulos，E.B。；Kouvelas，A.，通过学习对大型非线性控制系统进行微调，IEEE神经网络汇刊，20，6，1009-1023（2009）
[77] Kosmatopoulos，E.B。；Kouvelas，A.，通过学习对大型非线性控制系统进行微调，IEEE神经网络汇刊，20，6，1009-1023（2009）
[78] 郭台铭。；Yeung，D.-Y.，回归问题前馈神经网络结构学习的构造算法，IEEE神经网络汇刊，8，3，630-645（1997）
[79] 拉霍兹，D。；拉克鲁斯，B。；Mateo，P.M.，《多目标微遗传ELM算法》，神经计算，111，90-103（2013）
[80] Lan，Y。；Soh，Y.C。；Huang，G.B.，在线顺序极端学习机器集成，神经计算，72，13-15，3391-3395（2009）
[81] 兰达·托雷斯，I。；Ortiz-Garcia，E.G。；Salcedo-Sanz，S。；塞戈维亚·巴尔加斯，M.J。；Gil-Lopez，S。；Miranda，M.，通过混合分组和谐搜索-极端学习机方法评估公司的国际化成功，IEEE信号处理选定主题期刊，6，4，388-398（2012）
[82] 莱姆，A。；Freire，A。；巴雷托，G。；Steil，J.，通过类人机器人icub进行视觉运动协调的运动教学，神经计算，112179-188（2013）
[84] 纽约州梁。；黄，G.-B。；萨拉昌德兰，P。；Sundararajan，N.，前馈网络的快速准确在线顺序学习算法，IEEE神经网络汇刊，17，6，1411-1423（2006）
[85] 李，B。；Li，Y.B。；Rong，X.W.，具有可调激活函数的极端学习机器学习算法，神经计算与应用，22，3-4，531-539（2013）
[86] 李，L。；刘，D。；欧阳，J.，基于极端学习机的网络数据正则化分类新方法，信息与计算科学杂志，9，12，3351-3363（2012）
[87] 李永杰。；李毅。；翟建华。；Shiu，S.，《使用极限学习机进行Rts游戏策略评估》，《软计算》，第16、9、1627-1637页（2012年）
[88] Lin，S.J。；Chang，C.H。；Hsu，M.F.，用于两类不平衡企业生命周期预测的多个极端学习机，基于知识的系统，39，214-223（2013）
[89] 李，G.Q。；牛，P.F。；刘，C。；Zhang，W.P.，燃煤锅炉燃烧效率的增强组合建模方法，应用软件计算，12，10，3132-3140（2012）
[90] Lin，S。；刘，X。；方，J。；Xu，Z.，极限学习机器可行吗？理论评估（第二部分），IEEE神经网络和学习系统汇刊（2014）
[91] 林，J。；尹，J。；蔡，Z。；刘，Q。；Li，K.，云计算外包极端学习机的安全实用机制，IEEE智能系统，28，5，35-38（2013）
[92] 李，L.N。；欧阳，J.H。；Chen，H.L。；Liu，D.Y.，使用极限学习机器的甲状腺疾病计算机辅助诊断系统，医学系统杂志，36，5，3327-3337（2012）
[93] 李凯。；彭建新。；Irwin，G.W.，一种快速非线性模型识别方法，IEEE自动控制汇刊，50，8，1211-1216（2005）·Zbl 1365.93104号
[94] Liu，J.F。；陈永强。；刘明杰。；Zhao，Z.T.，SELM:半监督ELM及其在稀疏校准位置估计中的应用，神经计算，74，16，2566-2572（2011）
[95] 刘晓云。；Gao，C.H。；Li，P.，《支持向量机和极端学习机的比较分析》，神经网络，33，58-66（2012）·Zbl 1258.68118号
[96] 刘国华。；姜浩。；Xiao，X.H。；张德杰。；梅，C.L。；Ding，Y.H.，用红外光谱和极限学习机（ELM）测定固态发酵中的过程变量ph，光谱和光谱分析，32，4，970-973（2012）
[97] 刘，X。；Lin，S。；方，J。；Xu，Z.，极限学习机器可行吗？理论评估（第一部分），IEEE神经网络和学习系统汇刊（2014）
[98] 刘，N。；Wang，H.，基于集成的极限学习机，IEEE Signal Processing Letters，17，8，754-757（2010）
[100] Li，W.T。；Wang，D.H。；Chai，T.Y.，使用具有异质特征的ELM识别回转窑的燃烧状态，神经计算，102，144-153（2013）
[101] 李凯。；张杰。；Xu，H。；罗，S。；Li，H.，基于联合训练的半监督极端学习机器方法，《计算信息系统杂志》，9，1，207-214（2013）
[102] 罗，J。；冯·C·M。；Wong，P.-K.，用于多分类的稀疏贝叶斯极限学习机，IEEE神经网络和学习系统汇刊，25,4836-843（2014）
[103] 卢，B。；Wang，G.R。；袁，Y。；Han，D.，基于极端学习机的视频语义概念检测，神经计算，102176-183（2013）
[104] Malar，E。；Kandaswamy，A。；查克拉瓦尔西，D。；Dharan，A.G.，《利用小波分析和极限学习机检测和分类乳腺微钙化的新方法》，《生物与医学中的计算机》，42，9，898-905（2012）
[105] Malathi，V。；新南威尔士州马里穆图。；Baskar，S.，使用支持向量机和极限学习机进行输电线路保护的智能方法，神经计算，73，10-12，2160-2167（2010）
[106] 马拉地语，V。；新南威尔士州马里穆图。；Baskar，S。；Ramar，K.，《极端学习机在串联补偿输电线路保护中的应用》，《人工智能的工程应用》，24，5，880-887（2011）
[107] Man，Z.H。；Lee，K。；Wang，D.H。；曹志伟。；Khoo，S.Y.，基于鲁棒单隐层前馈网络的模式分类器，IEEE神经网络和学习系统汇刊，23,121974-1986（2012）
[108] Man，Z.H。；Lee，K。；Wang，D.H。；曹志伟。；Miao，C.Y.，一类单隐层前馈神经网络的新鲁棒训练算法，神经计算，74，16，2491-2501（2011）
[109] 马奎斯一世。；Grana，M.，《格无关和线性特征的融合改进人脸识别》，神经计算，114，80-85（2013）
[110] Martinez-Martinez，J.M。；Escandell-Montero，P。；Soria-Olivas，E。；Martin-Guerrero，J.D。；Magdalena-Benedito，R。；Gomez-Sanchis，J.，回归问题的正则化极端学习机，神经计算，74，17，3716-3721（2011）
[111] Miche，Y。；Sorjama，A。；Bas，P。；Simula，O。；Jutten，C。；Lendasse，A.，OP-ELM:最优剪枝极端学习机，IEEE神经网络汇刊，21，1，158-162（2010）
[112] 米哈斯，R。；Baradarani，A。；Seifzadeh，S。；Wu，Q.M.J.，基于视觉词汇的极限学习机器的人类行为识别，神经计算，73，10-12，1906-1917（2010）
[113] Minhas，R。；穆罕默德，A.A。；Wu，Q.M.J.，基于混合对象信息的极端学习机的快速识别框架，神经计算，73，10-12，1831-1839（2010）
[114] 米哈斯，R。；穆罕默德，A.A。；Wu，Q.M.J.，基于片段的人类动作识别中的增量学习，IEEE视频技术电路和系统汇刊，22，11，1529-1541（2012）
[115] 穆罕默德，A.A。；Minhas，R。；吴，Q.M.J。；Sid-Ahmed，M.A.，基于多维pca和极限学习机的人脸识别，模式识别，44，10-11，2588-2597（2011）·Zbl 1218.68149号
[116] 穆罕默德，I.G。；Tepe，K.E。；Abdel-Raheem，E.，《使用极限学习机的OFDM系统中的QAM均衡和符号检测》，神经计算与应用，22，3-4，491-500（2013）
[117] 马丁内斯·雷戈，D。；Fontenla-Romero，O。；Pérez-Sánchez，B。；Alonso-Betanzos，A.，使用在线学习神经网络预测机械部件的故障，（人工神经网络-ICANN 2010（2010），Springer），60-66
[118] Nian，R。；他，B。；Lendasse，A.，基于几何拓扑模型和极限学习机的三维物体识别，神经计算与应用，22，3-4，427-433（2013）
[119] 奥斯曼，M.K。；Mashor，M.Y。；Jaafar，H.，组织切片中结核分枝杆菌检测极端学习机器算法的性能比较，医学成像与健康信息学杂志，2，3，307-312（2012）
[120] Pal，M.，极端学习-基于机器的土地覆盖分类，《国际遥感杂志》，30，14，3835-3841（2009）
[121] M.帕尔。；麦克斯韦，A.E。；Warner，T.A.，基于内核的远程图像分类极端学习机，《遥感快报》，4，9，853-862（2013）
[122] 潘，C。；Park，D.S。；卢海杰。；Wu，X.P.，基于固定的ELM主动学习彩色图像分割，软计算，16，9，1569-1584（2012）
[123] Platt，J.，函数插值的资源分配网络，神经计算，3，2，213-225（1991）
[124] 普鲁托夫斯基，M。；科特雷尔，G。；White，H.，从干净数据中选择样本的经验，神经网络，9，2，273-294（1996）
[125] Poggio，T。；Girosi，F.，近似和学习网络，IEEE学报，78，9，1481-1497（1990）·Zbl 1226.92005号
[127] 瞿永平。；尚，C.J。；Wu，W。；Shen，Q.，用于乳腺摄影风险分析的进化模糊极限学习机，国际模糊系统杂志，13，4282-291（2011）
[129] Rahimi，A。；Recht，B.，随机基函数的统一逼近，（通信、控制和计算，2008年第46届allerton年会，IEEE），555-561
[131] Rao，C.R。；Mitra，S.K.，矩阵的广义逆及其应用，第7卷（1971），威利：威利纽约·Zbl 0236.15004号
[132] 拉希德，Z。；Rangwala，H.，使用极端学习机器的宏基因组分类，生物信息学和计算生物学杂志，10，5（2012）
[133] 荣，H.J。；黄，G.B。；Sundararajan，N。；Sarathandran，P.，《用于函数逼近和分类问题的在线顺序模糊极限学习机》，IEEE系统人与控制论汇刊第B部分——控制论，39，4，1067-1072（2009）
[134] 荣，H.-J。；Ong，Y.-S。；Tan，A.-H。；Zhu，Z.，分类问题的快速剪枝极值学习机，神经计算，72,1359-366（2008）
[135] Rong，H.J。；苏雷什，S。；Zhao，G.S.，一类非线性系统的稳定间接自适应神经控制器，神经计算，74，16，2582-2590（2011）
[136] Rosenblatt，F.，《感知器：大脑中信息存储和组织的概率模型》，《心理学评论》，65，6，386-408（1958）
[137] 罗森布拉特，F.，《神经动力学原理：感知器和大脑机制理论》（1962年），斯巴达书籍：斯巴达图书纽约·Zbl 0143.43504号
[138] Rumelhart，D.E。；辛顿，G.E。；Williams，R.J.，通过反向传播错误学习表征，《自然》，323，9，533-536（1986）·Zbl 1369.68284号
[139] Saavedra-Moreno，B。；Salcedo-Sanz，S。；Carro-Calvo，L。；Gascon-Moreno，J。；Jimenez-Fernandez，S。；Prieto，L.，风电场实际测量相关预测风操作的快速训练神经计算技术，《风工程与工业空气动力学杂志》，116，49-60（2013）
[140] 桑切斯·莫内德罗，J。；古铁雷斯，P.A。；费尔南德斯·纳瓦罗，F。；Hervas-Martinez，C.，进化多类分类器的加权有效精度和最小灵敏度，《神经处理快报》，34，2，101-116（2011）
[141] 桑切斯·莫内德罗，J。；赫尔瓦斯·马丁内斯，C。；古铁雷斯，P.A。；鲁兹，M.C。；莫雷诺，M.C.R。；Cruz-Ramirez，M.，《通过结合敏感性和准确性度量评估进化极限学习机器的性能》，《神经网络世界》，20，7，899-912（2010）
[142] Sarasawai，S。；Fernandez-Martinez，J.L。；科林斯基，A。；Jernigan，R.L。；Kloczkowski，A.，蛋白质二级结构预测的快速学习优化预测方法（flopred），《分子建模杂志》，18，9，4275-4289（2012）
[143] Sarasawai，S。；Sundaram，S。；Sundararajan，N。；Zimmermann，M。；Nilsen Hamilton，M.，用于精确的多类癌症分类的ICGA-PSO-ELM方法，导致编码分泌蛋白的基因高度代表性的基因集减少，IEEE-ACM计算生物学和生物信息学汇刊，8，2452-463（2011）
[144] Savitha，R。；苏雷什，S。；Sundararajan，N.，用于实际值分类问题的快速学习循环复合值极端学习机（CC-ELM），信息科学，187277-290（2012）
[145] 萨沃哈多，C。；Fariselli，P。；Casadio，R.，《利用n-to-1极端学习机器改进跨膜β-桶链的检测》，生物信息学，27，22，3123-3128（2011）
[147] 施密特，W.F。；Kraaijveld，医学硕士。；Duin，R.P.，带随机权重的前馈神经网络，（第11届IAPR模式识别方法和系统国际会议论文集（1992年），海牙：荷兰海牙），1-4
[148] 史J。；蔡，Y。；朱，J。；钟，J。；Wang，F.，使用累积剩余熵和极限学习机的基于Semg的手部运动识别，医学与生物工程与计算，51，4，417-427（2013）
[149] 石立中。；Lu，B.L.，使用极端学习机器进行基于Eeg的警戒估计，神经计算，102135-143（2013）
[150] Song，Y。；克劳克罗夫特，J。；Zhang，J.，基于优化样本熵和极端学习机的脑电图癫痫发作自动检测，神经科学方法杂志，210，132-146（2012）
[151] Song，Y.D。；Zhang，J.X.，通过极端学习机和多分辨率特征提取自动识别癫痫脑电图模式，应用专家系统，40，14，5477-5489（2013）
[152] Soria-Olivas，E。；Gomez-Sanchis，J。；贾曼，I。；维拉·弗朗西斯，J。；马丁内斯，M。；Magdalena，J.R.，Belm:贝叶斯极限学习机器，IEEE神经网络汇刊，22，3，505-509（2011）
[153] Sovilj，D。；Sorjama，A。；余，Q。；Miche，Y。；Severin，E.，OPELM和OPKNN在使用预测输入数据进行时间序列长期预测中的应用，神经计算，73，10-12，1976-1986（2010）
[154] 苏雷什，S。；R.V.巴布。；Kim，H.J.，使用改进的极限学习机器分类器进行无参考图像质量评估，应用软计算，9，2，541-552（2009）
[155] 苏肯斯，J.A。；Vandwalle，J.，最小二乘支持向量机分类器，神经处理字母，9，3，293-300（1999）
[156] Tan，Y.H。；Dong，R.L。；陈，H。；He，H.，基于神经网络的人体经络系统滞后性识别，国际应用数学与计算机科学杂志，22，3，685-694（2012）·Zbl 1302.93224号
[157] Tang，J。；邓，C。；黄，G.-B。；Zhao，B.，使用深度神经网络和极限学习机对星载光学图像进行压缩域船舶检测，IEEE地球科学和遥感汇刊（2014）
[158] Tang，X.L。；Han，M.，三元可逆极限学习机：半监督分类的增量三训练方法，知识和信息系统，23，345-372（2010）
[159] 田海霞。；Mao，Z.Z.，基于改进AdaBoost的ELM合奏。预测钢包炉钢水温度的RT算法，IEEE自动化科学与工程学报，7，1，73-80（2010）
[160] van Heeswijk，M。；Miche，Y。；Oja，E。；Lendasse，A.，用于大规模回归的GPU加速和并行ELM集成，神经计算，74，16，2430-2437（2011）
[161] Vapnik，V.，《统计学习理论的本质》（2000），斯普林格出版社·Zbl 0934.62009号
[162] Wang，Y.G。；曹福林。；Yuan，Y.B.，《极端学习机器的有效性研究》，神经计算，74，16，2483-2490（2011）
[163] Wang，D.H。；Do，H.T.，使用极限学习机器进行转录因子结合位点的计算定位，软计算，16，9，1595-1606（2012）
[164] Wang，N。；Er，M.-J。；Han，M.，使用递归正交最小二乘的简约极端学习机，IEEE神经网络汇刊（2014）
[165] Wang，N。；Er，M.J。；Han，M.，使用递归正交最小二乘的简约极端学习机，IEEE神经网络和学习系统汇刊（2014）
[166] Wang，X.Y。；Han，M.，基于极端学习机的多元混沌时间序列预测，《物理学报》，第61期，第8期（2012年）·Zbl 1274.62435号
[167] Wang，L。；黄，Y.P。；罗晓云。；王，Z。；Luo，S.W.，使用极端学习机器学习的过滤器进行图像去模糊，神经计算，74，16，2464-2474（2011）
[168] Wang，J.N。；Jin，J.L。；耿毅。；Sun，S.L。；Xu，H.L。；Lu，Y.H.，预测身体荧光染料电子激发能的准确有效方法，计算化学杂志，34，76565-575（2013）
[169] Wang，G.T。；李，P。；Cao，J.T.，基于残差预测补偿的可变激活函数极限学习机，软计算，16，9，1477-1484（2012）
[170] Wang，H。；钱，G。；冯晓强，使用在线顺序极端学习机和直觉模糊集预测消费者情绪，神经计算与应用，22，3-4，479-489（2013）
[171] Wang，X.Z。；Shao，Q.Y。；苗，Q。；翟，J.H.，使用局部泛化误差模型对使用极端学习机训练的网络进行架构选择，神经计算，102，3-9（2013）
[172] Wang，J.N。；Xu，H.L。；Sun，S.L.公司。；高，T。；李海珍。；Li，H.，准确预测碱的第一超极化率的有效方法，计算化学杂志，33，2231-236（2012）
[173] 韦夫基，A。；埃斯皮诺萨，F。；圣地亚哥，L。；雷文加，P。；Lazaro，J.L。；Martinez，M.，《使用极端学习机器的输入控制方面的电力驱动辐射发射估算》，《工程中的数学问题》（2012年）
[175] White，H.，近似非线性预测方法，（Elliott，G.；Granger，C.W.J.；Timmermann，A.，《经济预测手册》（2006），Elsevier:Elsevier New York），460-512
[176] White，H.，《人工神经网络：近似和学习理论》（1992），布莱克威尔出版社
[177] 维德罗，B。；格林布拉特，A。；金，Y。；Park，D.，《No-Prop算法：多层神经网络的新学习算法》，神经网络，37，182-188（2013）
[178] Wilamowski，B.M。；Yu，H.，无反向传播的神经网络学习，IEEE神经网络汇刊，21，11，1793-1803（2010）
[179] Wong，W.K。；郭振新，利用极端学习机和和谐搜索算法的时尚零售供应链中期销售预测混合智能模型，国际生产经济学杂志，128，2，614-624（2010）
[180] Wong，K.I。；Wong，P.K。；Cheung，C.S。；Vong，C.M.，《使用先进机器学习方法对生物柴油发动机性能进行建模和优化》，《能源》，55，519-528（2013）
[181] 夏，M。；Zhang，Y.C。；翁·L·G。；Ye，X.L.，《基于输入自适应度量的极端学习机器的时尚零售预测》，基于知识的系统，36，253-259（2012）
[182] Xu，Y。；Dai，Y.Y。；董振英。；张，R。；Meng，K.，电力系统实时频率稳定性评估的极端学习机器预测器，神经计算与应用，22，3-4，501-508（2013）
[183] Xu，Y。；董振英。；徐，Z。；Meng，K。；Wong，K.P.，《风力发电电力系统的智能动态安全评估框架》，IEEE工业信息学报，8，4，995-1003（2012）
[184] Xu，Y。；董振英。；Zhao，J.H。；张，P。；Wong，K.P.，电力系统实时动态安全评估的可靠智能系统，IEEE电力系统交易，27，3，1253-1263（2012）
[185] 杨，X。；Mao，K.，从非结构化文本中提取因果关系的简化ELM，IEEE智能系统，28，5，48-52（2013）
[186] Yang，Y.M。；Wang，Y.N。；Yuan，X.F.，基于并行混沌搜索的增量极限学习机，神经处理快报，37,3277-301（2013）
[187] Yang，Y.M。；Wang，Y.N。；Yuan，X.F.，回归问题的双向极端学习机及其学习有效性，IEEE神经网络和学习系统汇刊，23，9，1498-1505（2012）
[188] Yang，J.C。；谢S。；Yoon，S。；帕克·D。；方志杰。；Yang，S.Y.，基于极限学习机的指纹匹配，神经计算与应用，22，3-4，435-445（2013）
[189] 杨，H.M。；徐，W.J。；Zhao，J.H。；Wang，D.H。；Dong，Z.Y.，基于ELM和copula函数预测冰暴对输电设施的破坏概率，神经计算，74，16，2573-2581（2011）
[190] 严，Z。；Wang，J.，基于神经网络的具有未建模动态和有界不确定性的非线性系统的鲁棒模型预测控制，IEEE神经网络和学习系统汇刊，25，3，457-469（2014）
[191] Yao，X.，《进化人工神经网络综述》，《国际智能系统杂志》，8，4，539-567（1993）
[192] Ye，Y.B。；Squartini，S。；Piazza，F.，《非平稳环境中的在线顺序极端学习机器》，神经计算，116，94-101（2013）
[193] 你，Z.H。；Lei，Y.K。；朱，L。；Xia，J.F。；Wang，B.，利用集成极端学习机和主成分分析预测氨基酸序列中的蛋白质相互作用，BMC生物信息学，14（2013）
[194] Yuan，Y.B。；Wang，Y.G。；Cao，F.L.，基于极端学习机的回归问题优化近似解，神经计算，74，16，2475-2482（2011）
[195] 袁，Q。；周，W。；李，S。；Cai，D.，基于极端学习机和非线性特征的癫痫脑电图分类，癫痫研究，96，29-38（2011）
[196] 袁，Q。；周，W.D。；李S.F。；蔡德明，基于极端学习机和非线性特征的癫痫脑电图分类，癫痫研究，96，1-2，29-38（2011）
[197] 袁，Q。；周，W.D。；张杰。；李S.F。；蔡博士。；Zeng，Y.J.，基于极值学习机和小波变换的脑电分类方法，临床脑电与神经科学，43，2，127-132（2012）
[198] Yu，H。；陈，Y。；刘杰。；Huang，G.-B.，基于自适应和迭代在线顺序ELM的多自由度手势识别系统，IEEE智能系统，28，6，55-59（2013）
[199] Yu，Y。；Choi，T.M.（崔，T.M.）。；Hui，C.L.，时尚产品智能快速销售预测模型，应用专家系统，38，6，7373-7379（2011）
[200] Yu，Y。；Choi，T.M。；Hui，C.L.，智能快速预测算法在工业控制和负荷问题中的应用，IEEE自动化科学与工程学报，9，2，276-287（2012）
[201] Yu，D。；Deng，L.，《训练单层神经网络的高效算法》，《模式识别字母》，33，5，554-558（2012）
[202] 余，Q。；Miche，Y。；埃罗拉，E。；van Heeswijk，M。；Severin，大肠杆菌。；Lendasse，A.，《缺失数据回归的正则化极端学习机》，神经计算，102，45-51（2013）
[203] 翟建华。；Xu，H.Y。；王晓忠，基于样本熵的动态集成极端学习机，软计算，16，9，1493-1502（2012）
[204] 张，R。；董振英。；Xu，Y。；Meng，K。；Wong，K.P.，《利用极端学习机集成模型预测澳大利亚国家电力市场短期负荷》，IET Generation Transmission&Distribution，7，4，391-397（2013）
[205] Zhang，W.B。；Ji，H.B.，分类的模糊极限学习机，《电子快报》，49，7，448-449（2013）
[206] 张，R。；Lan，Y。；黄，G.B。；Xu，Z.B.，具有隐藏节点自适应增长的极端学习机的通用近似，IEEE神经网络和学习系统汇刊，23，2，365-371（2012）
[207] Zhang，Y。；Slaughter，D.C.，《高温环境胁迫下番茄杂草自动控制的高光谱物种制图》，农业中的计算机和电子技术，77，1，95-104（2011）
[208] 张，X。；Wang，H.L.，基于cholesky分解的增量正则化极值学习机及其在时间序列预测中的应用，《物理学报》，60，11（2011）
[209] 张，X。；Wang，H.L.，选择性遗忘极端学习机及其在时间序列预测中的应用，《物理学报》，第60期，第8期（2011年）
[210] 张永伟。；张鹏，基于序列极值学习机的非线性过程优化，化工科学，66，20，4702-4710（2011）
[211] 赵振平。；李，P。；徐晓忠，基于极值学习机的煤矿突水预测模型，应用数学与信息科学，7，3，1243-1250（2013）
[212] 赵，L。；齐俊秋。；Wang，J。；Yao，P.J.，《使用极端学习机快速估算多组分气体混合物中浓度的研究》，《测量科学与技术》，第23、8页（2012年）
[213] 赵晓刚。；Wang，G.R。；Bi，X。；龚，P.Z。；赵玉华，基于ELM的XML文档分类，神经计算，74，16，2444-2451（2011）
[214] 赵建伟。；王振华。；Park，D.S.，带遗忘机制的在线顺序极端学习机器，神经计算，87，79-89（2012）
[215] 郑伟斌。；Qian，Y.T。；Lu，H.J.，基于正则化极端学习机的文本分类，神经计算与应用，22，3-4，447-456（2013）
[216] 周，Z.H。；赵建伟。；Cao，F.L.，基于极限学习机的曲面重建，神经计算与应用，23，2，283-292（2013）
[217] 宗，W.W。；Huang，G.-B.，Learning to rank with extreme Learning machine，Neural processing letters，39，2，155-166（2014年）
[218] Zong，W.W。；Huang，G.-B.，基于极端学习机器的人脸识别，神经计算，74，16，2541-2551（2011）
[219] Zong，W.W。；黄，G.-B。；Chen，Y.Q.，用于不平衡学习的加权极端学习机，神经计算，101229-242（2013）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。