曹九文;林志平 高维和大数据应用中的极端学习机器：一项调查。 （英语） Zbl 1394.68275号 数学。问题。工程师。 2015年，文章ID 103796，13 p.（2015）. 摘要：极限学习机（ELM）已被开发用于单隐层前馈神经网络（SLFN）。在ELM算法中，输入层和隐藏神经元之间的连接是随机分配的，并且在学习过程中保持不变。然后通过线性系统最小化成本函数来调整输出连接。ELM的计算负担大大减少，因为唯一的成本是求解线性系统。低计算复杂度引起了研究界的广泛关注，特别是对于高维和大数据应用。本文综述了ELM的最新发展及其在高维大数据中的应用。本文综述了ELM在图像处理、视频处理、医学信号处理以及其他流行的大数据应用方面的研究进展。 引用于三文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 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） 软件：OP-ELM公司;BETAWARE软件 PDF格式BibTeX公司 XML格式引用 \textit{J.Cao}和\textit{Z.Lin}，数学。问题。Eng.2015，文章ID 103796，13 p.（2015；Zbl 1394.68275） 全文： 内政部 参考文献： [1] Marquardt，D.W.，非线性参数最小二乘估计算法，SIAM应用数学杂志，11431-441，（1963）·Zbl 0112.10505号 [2] Werbos，P.J.，《反向传播的根源：从有序导数到神经网络和政治预测》，（1994），美国纽约州纽约市：John Wiley&Sons，美国纽约市 [3] Haykin，S.，《神经网络，综合基金会》（2001），美国纽约州纽约市：皮尔逊教育出版社，美国纽约市·Zbl 0828.68103号 [4] 科尔特斯，C。；Vapnik，V.，支持向量网络，机器学习，20，3，273-297，（1995）·Zbl 0831.68098号 ·doi:10.1007/BF00994018 [5] Lingras，P。；Butz，C.，支持向量机多分类的基于粗糙集的1-v-1和1-v-r方法，信息科学，177，18，3782-3798，（2007）·doi:10.1016/j.ins.2007.03.028 [6] 徐，C.-W。；Lin，C.-J.，多类支持向量机方法的比较，IEEE神经网络汇刊，13，2，415-425，（2002）·doi:10.1109/72.991427 [7] 本查班，A。；本尼亚，A。；查里夫，F。；Taleb-Ahmed，A.，使用离散Zhang神经网络的多维Capon谱估计，多维系统和信号处理，24，3，583-598，（2013）·Zbl 1268.93134号 [8] 刘，S。；胡，S。；Xiao，Y。；An，Y.，通过稀疏表示进行SAR图像去噪的贝叶斯剪切收缩，多维系统和信号处理，25，4，683-701，（2014）·doi:10.1007/s11045-013-0225-8 [9] Mayer-Schonberger，V。；《大数据：一场将改变我们生活、工作和思考方式的革命》（2013年），库克（Cukier）著，霍顿·米夫林·哈考特出版公司（Houghton Mifflin Harcourt Publishing Company） [10] 黄，G.-B。；Slew，C.-K.，《极限学习机器：RBF网络案例》，第八届控制、自动化、机器人和视觉国际会议论文集（ICARCV’04） [11] 黄，G.-B。；朱庆云。；Siew，C.-K.，《极限学习机器：理论与应用》，神经计算，70，1–3，489-501，（2006）·doi:10.1016/j.neucom.2005.12.126 [12] 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）·doi:10.1109/tnn.2006.875977 [13] 冯，G。；黄，G.-B。；林，Q。；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）·doi:10.1109/TNN.2009.2024147 [14] 张，R。；Lan，Y。；黄，G.-B。；徐，Z.-B。；Soh，Y.C.，动态极限学习机及其近似能力，IEEE控制论汇刊，43，6，2054-2065，（2013）·doi:10.1109/TCYB.2013.239987 [15] 李，M.-B。；Huang，G.-B。；萨拉昌德兰，P。；Sundararajan，N.，《完全复杂极端学习机器》，神经计算，68，1-4，306-314，（2005）·doi:10.1016/j.neucom.2005.03.002 [16] 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、人与控制论汇刊，B部分：控制论，42，2，513-529，（2012）·doi:10.1109/tsmcb.2011.2168604 [17] 刘，N。；Wang，H.，基于集成的极端学习机，IEEE Signal Processing Letters，17，8，754-757，（2010）·doi:10.1109/LSP.2010.2053356 [18] 曹，J。；林，Z。；黄，G.-B。；Liu，N.，基于投票的极端学习机器，信息科学，185，66-77，（2012）·doi:10.1016/j.ins.2011.09.015 [19] Huang，G.-B。；朱，Q.-Y。；毛泽东。；Siew，C.-K。；萨拉昌德兰，P。；Sundararajan，N.，可以直接训练阈值网络吗？，IEEE电路与系统汇刊II：快讯，53，3，187-191，（2006）·doi:10.1109/tcsii.2005.857540 [20] 刘，X。；Lin，S.B。；方，J。；Xu，Z.B.，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，26，1，7-20，（2015）·doi:10.1109/tnnls.2014.2335212 [21] Lin，S.B。；刘，X。；方，J。；Xu，Z.B.，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，26，1，21-34，（2015）·doi:10.1109/tnnls.2014.2336665 [22] 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）·doi:10.1109/tnn.2009.2036259 [23] Pouzols，F。；Lendasse，A.，《进化模糊最优剪枝极端学习机：比较分析》，IEEE模糊系统国际会议论文集·doi:10.1010/fuzzy.2010.5584327 [24] 朱庆云。；秦，A.K。；Suganthan，P.N。；Huang，G.-B.，进化极限学习机，模式识别，38，10，1759-1763，（2005）·Zbl 1077.68791号 ·doi:10.1016/j.patcog.2005.03.028 [25] 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）·doi:10.1109/TNN.2006.880583 [26] 荣，H.-J。；Huang，G.-B。；Saratchandran，P。；Sundararajan，N.，用于函数逼近和分类问题的在线顺序模糊极值学习机，IEEE系统、人与控制论汇刊，B部分：控制论，39，4，1067-1072，（2009）·doi:10.1109/tsmcb.2008.2010506 [27] 曹，J。；林，Z。；Huang，G.-B.，自适应进化极端学习机，《神经处理快报》，36，3，285-305，（2012）·doi:10.1007/s11063-012-9236-y [28] 曹，J。；林，Z。；Huang，G.-B.，用于多类分类的投票库在线顺序极端学习机，IEEE电路与系统国际研讨会论文集（ISCAS’13）·doi:10.1109/iscas.2013.6572344 [29] 卢海杰。；安，C.-L。；郑东华。；Lu，Y.，基于异质性的基因表达数据分类极端学习机集成，神经计算，128，22-30，（2014）·doi:10.1016/j.neucom.2013.02.052 [30] 刘，N。；曹，J。；林，Z。；Pek，P.P。；Koh，Z.X。；Ong，M.E.，基于进化投票的极端学习机器，工程中的数学问题，2014，（2014）·doi:10.1155/2014/808292 [31] 坎布里亚，E。；Huang，G.-B.，极限学习机器[趋势与争议]，IEEE智能系统，28，6，30-31，（2013） [32] Yang，Y。；王，Y。；Yuan，X.，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）·doi:10.1109/TNNLS.2012.202289 [33] Soria-Olivas，E。；Gómez-Sanchis，J。；I.H.贾曼。；维拉·弗朗西斯，J。；马丁内斯，M。；Magdalena，J.R。；Serrano，A.J.，BELM:贝叶斯极限学习机，IEEE神经网络汇刊，22，3，505-509，（2011）·doi:10.1109/TNN.2010.2103956 [34] Gastaldo，P。；Zunino，R。；坎布里亚，E。；Decherchi，S.，将ELM与随机投影相结合，IEEE智能系统，28，6，46-48，（2013） [35] 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）·doi:10.1109/TNNLS.2013.2281839 [36] Kasun，L。；周，H。；Huang，G.-B。；Vong，C.M.，大数据ELM的代表性学习，IEEE智能系统，28，6，31-34，（2013） [37] 陈，J。；郑庚。；Chen，H.，基于ELM的多分类器系统，第十届IEEE控制与自动化国际会议论文集 [38] 王，R。；何，Y.-L。；Chow，C.-Y。；Ou，F.-F。；Zhang，J.，基于不确定性约简从大数据中学习ELM-tree，Fuzzy Sets and Systems，258，79-100，（2015）·Zbl 1335.68213号 ·doi:10.1016/j.fss.2014.04.028 [39] 米尔扎，B。；林，Z。；Liu，N.，用于类不平衡和概念漂移的子集在线顺序极端学习机集成，神经计算，149，316-329，（2015）·doi:10.1016/j.neucom.2014.03.075 [40] 马奎斯一世。；Graña，M.，《使用格独立成分分析和极端学习机器进行人脸识别》，《软计算》，第16、9、1525-1537页，（2012年）·文件编号：10.1007/s00500-012-0826-4 [41] 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）·doi:10.1016/j.patcog.2012.02.002 [42] 王世杰。；Chen，H.-L。；严伟杰（Yan，W.-J.）。；Chen，Y.-H。；Fu，X.，基于鉴别张量子空间分析和极限学习机的人脸识别和微表情识别，《神经处理快报》，39，1，25-43，（2014）·doi:10.1007/s11063-013-9288-7 [43] Uçar，A.，基于可控金字塔变换和极限学习机器的彩色人脸识别，《科学世界杂志》，2014，（2014）·doi:10.1155/2014/628494 [44] Uçar，A。；德米尔，Y。；Güzeliš，C.，基于曲线变换和球面聚类初始化的在线序列极端学习机的新型面部表情识别，神经计算与应用，（2014）·doi:10.1007/s00521-014-1569-1 [45] 卢，J。；Zhao，Y。；薛，Y。；Hu，J.，通过局部保持投影和极端学习机器神经网络进行掌纹识别，第九届信号处理国际会议论文集（ICSP'08）·doi:10.1109/icosp.2008.4697558 [46] 曼，Z。；Lee，K。；王，D。；曹，Z。；Khoo，S.，《手写数字图像识别的最佳权重学习机》，《信号处理》，93，6，1624-1638，（2013）·doi:10.1016/j.sigpro.2012.07.016 [47] 罗，M。；Zhang，K.，结合极端学习机和稀疏表示的图像分类混合方法，《人工智能的工程应用》，27，228-235，（2014）·doi:10.1016/j.engappai.2013.05.012 [48] 朱伟。；Miao，J。；胡，J。；Qing，L.，使用极限学习机进行驾驶模拟中的车辆检测，神经计算，128160-165，（2014）·doi:10.1016/j.neucom.2013.05.052 [49] 荣，H.-J。；贾玉霞。；Zhao，G.-S.，使用模块化极端学习机的飞机识别，神经计算，128，166-174，（2014）·doi:10.1016/j.neucom.2012.12.064 [50] 曹，J。；Chen，T。；Fan，J.，基于BoW框架的地标识别快速在线学习算法，第九届IEEE工业电子与应用会议论文集（ICIEA’14）·doi:10.1109/iciea.2014.6931341 [51] 曹，J。；Chen，T。；Fan，J.，具有紧凑BoW直方图和集合ELM的Landmark识别，多媒体工具和应用，（2015）·doi:10.1007/s11042-014-2424-1 [52] 苏雷什，S。；Venkatesh Babu，R。；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，应用软计算杂志，9，2，541-552，（2009）·doi:10.1016/j.asoc.2008.07.005 [53] An，L。；Bhanu，B.，极限学习机器的图像超分辨率，第19届IEEE图像处理国际会议论文集（ICIP’12）·doi:10.1109/icip.2012.6467333 [54] A.萨马特。；杜，P。；刘，S。；李，J。；Cheng，L。，E类LMs：用于高光谱图像分类的集成极端学习机器，IEEE应用地球观测和遥感选定主题期刊，7，4，1060-1069，（2014）·doi:10.1109/jstars.2014.2301775 [55] 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）·doi:10.1109/LGRS.2013.286078 [56] Minhas，R。；Baradarani，A。；Seifzadeh，S。；Jonathan Wu，Q.M.，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）·doi:10.1016/j.neucom.2010.01.020 [57] 米哈斯，R。；穆罕默德，A.A。；Wu，Q.M.J.，基于代码段《IEEE视频技术电路和系统汇刊》，22，11，1529-1541，（2012）·doi:10.1109/tcsvt.2011.2177182 [58] 碘缺乏症，A。；特法斯，A。；Pitas，I.，基于动态素和极限学习机的动态动作识别，《模式识别快报》，34，15，1890-1898，（2013）·doi:10.1016/j.parec.2012.019 [59] Iosifidis，A。；特法斯，A。；Pitas，I.，人类行为识别的最小类方差极端学习机，IEEE视频技术电路和系统汇刊，23,111968-1979，（2013）·doi:10.1109/TCSVT.2013.2269774 [60] 碘缺乏症，A。；特法斯，A。；Pitas，I.，用于多视图半监督动作识别的正则化极端学习机，神经计算，145250-262，（2014）·doi:10.1016/j.neucom.2014.05.036 [61] 碘缺乏症，A。；特法斯，A。；Pitas，I.，人类行为识别的最小方差极值学习机，IEEE声学、语音和信号处理国际会议论文集 [62] Budiman，A。；Fanny，M.I.，使用极限学习机器进行基于姿势的3D人体运动分析，IEEE第二届消费电子全球会议论文集（GCCE’13）·doi:10.1109/gcce.2013.6664834 [63] 邓文英。；郑庆华。；Wang，Z.-M.，使用简化核极限学习机的跨人活动识别，神经网络，53，1-7，（2014）·doi:10.1016/j.neunet.2014.01.008 [64] 哦，B。；Jeon，J。；Toh，K.-A。；Teoh，A。；Kim，J.，基于手势中水平和垂直分量的签名验证系统，IEEE智能系统，28，6，52-55，（2013） [65] Yu，H。；陈，Y。；刘杰。；Huang，G.-B.，基于ELM的自适应迭代在线顺序多自由度手势识别系统，IEEE智能系统，28，6，55-59，（2013） [66] 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）·doi:10.1007/s11517-012-1010-9 [67] 卢，B。；王，G。；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）·doi:10.1016/j.neucom.2012.02.043 [68] 阿加瓦尔，C。；米什拉，A。；Sharma，A。；Chetty，G.，一种使用极限学习机的DWT域基于场景的鲁棒视频水印新方案，极限学习机学报：算法和应用，自适应，学习和优化 [69] Kim，J。；Shin，H。；Lee，Y。；Lee，J.，使用极限学习机和主成分分析对心律失常进行分类的算法，第29届IEEE医学和生物学会工程国际年会论文集（EMBS’07）·doi:10.1109/IEMBS.2007.4353024 [70] 张，R。；黄，G.-B。；Sundararajan，N。；Sarathandran，P.，使用极端学习机器进行微阵列基因表达癌症诊断的多类别分类，IEEE/ACM计算生物学和生物信息学汇刊，4，3，485-494，（2007）·doi:10.1010/TCBB.2007.1012 [71] 萨拉斯瓦蒂，S。；Sundaram，S。；Sundararajan，N。；Zimmermann，M。；Nilsen-Hamilton，M.，ICGA-PSO-ELM方法，用于准确的多类癌症分类，导致基因集减少，其中编码分泌蛋白的基因高度表达，IEEE/ACM计算生物学和生物信息学汇刊，8，2，452-463，（2011）·doi:10.1109/TCBB.2010.13 [72] Malar，E。；Kandaswamy，A。；查克拉瓦尔西，D。；Giri Dharan，A.，《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）·doi:10.1016/j.compbiomed.2012.07.001 [73] 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分类，癫痫研究，96，1-2，29-38，（2011）·doi:10.1016/j.eplepsyres.2011.04.013 [74] 宋，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，210，2，132-146，（2012）·doi:10.1016/j.jneumeth.2012.07.003 [75] 宋，Y。；Zhang，J.，通过极限学习机和多分辨率特征提取自动识别癫痫脑电模式，应用专家系统，40，14，5477-5489，（2013）·doi:10.1016/j.eswa.2013.04.025 [76] 黄，W。；Tan，Z.M。；林，Z。；黄，G.-B。；周，J。；Chui，C.K。；苏，Y。；Chang，S.，用极限学习机器从3D CT图像中半自动分割肝实质的方法，第34届IEEE医学和生物学会工程国际年会论文集（EMBS’12）·doi:10.1109/embc.2012.6346783 [77] Huang，W。；李，N。；林，Z。；黄，G.-B。；宗伟（Zong，W.）。；周，J。；Duan，Y.，使用基于核的极端学习机器进行肝肿瘤检测和分割，第35届IEEE医学和生物学会工程国际年会论文集（EMBC’13）·doi:10.1109/embc.2013.6610337 [78] 黄，W。；Yang，Y。；Lin，Z.，基于随机特征子空间集成的肝癌检测和分割极端学习机，第36届IEEE医学和生物学会工程国际年会论文集（EMBC’14）·doi:10.1109/embc.2014.6944667 [79] 史，L.-C。；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）·doi:10.1016/j.neucom.2012.02.041 [80] Termenon，M。；格拉纳，M。；Barrós-Loscertales，A。；Ávila，C.，基于结构MRI数据对可卡因依赖患者进行特征选择和分类的极限学习机器，《神经处理快报》，38，375-387，（2013）·doi:10.1007/s11063-013-9277-x [81] Han，F。；孙，W。；Ling，Q.H.，基于基因对类别敏感性信息的微阵列数据基因选择新策略，《公共科学图书馆·综合》，9，5，（2014）·doi:10.1371/journal.pone.0097530 [82] 王，D。；Huang，G.-B.，使用极限学习机进行蛋白质序列分类，国际神经网络联合会议论文集（IJCNN’05）·doi:10.1109/ijcnn.2005.1556080 [83] 你，Z。；李，L。；季，Z。；李，M。；Guo，S.，使用极端学习机结合自协方差描述符预测氨基酸序列中的蛋白质相互作用，IEEE模因计算研讨会论文集（MC'13）·doi:10.1109/mc.2013.6608211 [84] Wang，D.D。；王，R。；Yan，H.，基于极端学习机的蛋白质相互作用位点快速预测，神经计算，128，258-266，（2014）·doi:10.1016/j.neucom.2012.12.062 [85] 萨沃哈多，C。；Fariselli，P。；Casadio，R.，《BETAWARE：检测和预测原核生物跨膜β-桶蛋白的机器学习工具》，生物信息学，29，4，504-505，（2013）·doi:10.1093/bioinformatics/bts728 [86] 莫，X。；王，Y。；Wu，X.，使用极限学习机（ELM）和正则ELM预测低血糖，第25届中国控制与决策会议论文集（CCDC’13）·doi:10.1109/ccdc.2013.6561727 [87] Sachnev，V。；Kim，H.J.，基于二进制编码遗传算法和极端学习机的帕金森病分类，IEEE第九届智能传感器、传感器网络和信息处理国际会议论文集·doi:10.1109/issnip.2014.6827649 [88] 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）·doi:10.1109/TASE.2008.2005640 [89] 张，R。；Dong，Z.Y.先生。；Xu，Y。；Meng，K。；Wong，K.P.，通过极端学习机集成模型对澳大利亚国家电力市场短期负荷预测，IET发电、输电和配电，7，4，391-397，（2013）·doi:10.1049/iet-gtd.2012.0541 [90] 陈，X。；董振英。；Meng，K。；Xu，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）·doi:10.1109/TPWRS.2012.2190627 [91] Wan，C。；徐，Z。；Pinson，P。；董振英。；Wong，K.P.，使用极限学习机进行风力发电概率预测，IEEE电力系统交易，29，3，1033-1044，（2014）·doi:10.1109/TPWRS.2013.2287871 [92] 李，X。；谢，H。；王，R。；蔡，Y。；曹，J。；Wang，F。；最小高度。；Deng，X.，实证分析：通过极限学习机进行股市预测，神经计算与应用，（2014）·doi:10.1007/s00521-014-1550-z [93] 于清。；Miche，Y。；塞弗林，E。；Lendasse，A.，《使用极端学习机器和金融专业知识进行破产预测》，神经计算，128，296-302，（2014）·doi:10.1016/j.neucom.2013.01.063 [94] Yeu，C.-W.T。；林，M.-H。；黄，G.-B。；阿加瓦尔，A。；Ong，Y.-S.，《地形重建的新机器学习范式》，IEEE Geoscience and Remote Sensing Letters，3，3，382-386，（2006）·doi:10.1109/lgrs.2006.873687 [95] Kan，E.M。；Lim，M.H。；Ong，Y.S。；Tan，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）·doi:10.1007/s00521-012-0866-9 [96] Nizar，A.H。；董振英。；Wang，Y.，用极限学习机方法进行电力公司非技术损失分析，IEEE电力系统交易，23，3，946-955，（2008）·doi:10.1109/TPWRS.2008.926431 [97] 兰达·托雷斯，I。；Ortiz-García，E.G。；Salcedo-Sanz，S。；塞戈维亚·巴尔加斯，M.J。；吉尔·洛佩斯，S。；米兰达，M。；Leiva-Murillo，J.M。；Del Ser，J.，通过混合分组和谐搜索-极端学习机器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）·doi:10.1109/JSTSP.2012.2199463 [98] X.赵。；Bi，X。；乔，B.，用于多类XML文档分类的基于概率的投票极端学习机，万维网，17，5，1217-1231，（2014）·doi:10.1007/s11280-013-0230-8 [99] 郑伟。；钱，Y。；Lu，H.，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）·doi:10.1007/s00521-011-0808-y [100] 林，J。；尹，J。；蔡，Z。；刘，Q。；李凯。；Leung，V.C.M.，云计算外包ELM的安全实用机制，IEEE智能系统，28，6，35-38，（2013） [101] 胡，L。；陈，Y。；王，S。；Chen，Z.，b-COELM：一种用于小型设备的快速、轻量级和准确的活动识别模型，《普及和移动计算》，第15期，200-214页，（2014年）·doi:10.1016/j.pmcj.2014.06.002 [102] 宗伟（Zong，W.）。；Huang，G.-B。；Chen，Y.，用于不平衡学习的加权极限学习机，神经计算，101229-242，（2013）·doi:10.1016/j.neucom.2012.08.010 [103] 米尔扎，B。；林，Z。；Toh，K.-A.，用于班级不平衡学习的加权在线顺序极端学习机，《神经处理快报》，38，3，465-486，（2013）·doi:10.1007/s11063-013-9286-9 [104] 黄，G。；Song，S。；You，K.，《极端学习机器的趋势：综述》，神经网络，61，32-48，（2015）·Zbl 1325.68190号 ·doi:10.1016/j.neunet.2014.10.001 [105] 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·doi:10.1007/s13042-011-0019-y [106] Fletcher，R.，《实用优化方法》。第2卷：约束优化，（1981），英国奇切斯特：英国奇切斯特约翰·威利父子公司·Zbl 0474.65043号 [107] 卢，Y。；Sundararajan，N。；Sarathandran，P.，序列最小径向基函数（RBF）神经网络学习算法的性能评估，IEEE神经网络汇刊，9，2，308-318，（1998）·doi:10.1109/72.661125 [108] 黄，G.-B。；萨拉昌德兰，P。；Sundararajan，N.，用于函数逼近的广义增长和修剪RBF（GGAP-RBF）神经网络，IEEE神经网络汇刊，16，1，57-67，（2005）·doi:10.1109/TNN.2004.836241 [109] Ozuysal，M。；Calonder，M。；Lepetit，V.公司。；Fua，P.，使用随机蕨类快速识别关键点，IEEE模式分析和机器智能汇刊，32，3，448-461，（2010）·doi:10.1109/tpami.2009.23 [110] 北卡罗来纳州Gkalelis。；特法斯，A。；Pitas，I.，将模糊矢量量化与线性判别分析相结合用于连续人体运动识别，IEEE视频技术电路和系统汇刊，18，11，1511-1521，（2008）·doi:10.1109/TCSVT.2008.2005617 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。