6. 极速学习机

• 6.1. 经典极速学习机
  • 6.1.1. 什么是极速学习机
    • 实验与分析
      • 实验数据
      • 实验代码
      • 实验结果
• 6.2. 基于局部感受野的极速学习机
  • 6.2.1. 说明
  • 6.2.2. 摘要内容
  • 6.2.3. 引言部分
  • 6.2.4. 回顾ELM, CNN和HTM
    • 极速学习机
      • ELM特征映射
      • ELM特征学习
    • 卷积神经网络
      • 卷积
      • 池化
    • 层级实时记忆
  • 6.2.5. ELM-LRF 原理
    • A. 全连接与局部连接（Full and Local Connections）
    • B. 基于局部感受野的ELM
    • C. 组合节点
  • 6.2.6. 局部感受野的实现
    • A. ELM-LRF的特殊组合节点
    • B. 随机输入权重
    • C. 平方根池化（square/square-root pooling）结构
    • D. 基于输出权重的闭式解
  • 6.2.7. 讨论
    • A. 普适近似和分类能力
    • B. ELM-LRF与HTM和CNN的关系
  • 6.2.8. 实验
    • A. 测试误差
    • B. 训练时间
    • C. 特征图
    • D. 随机输入权重的正交化
  • 6.2.9. 结论
  • 6.2.10. 代码实现
    • Source Code
    • Experimental Results
      • MNIST数据集
      • NORB数据集
  • 6.2.11. 参考文献
• 6.3. 模糊极速学习机
• 6.4. 基于局部感受野的模糊极速学习机
  • 6.4.1. 简介
  • 6.4.2. FELM-LRF原理
  • 6.4.3. 隶属函数选择
  • 6.4.4. 实验及结果
    • 实验说明
    • 实验结果
• 6.5. 在线极速学习机
  • 6.5.1. 简介
  • 6.5.2. OSELM 原理
• 6.6. 基于局部感受野的在线极速学习机
  • 6.6.1. 简介
  • 6.6.2. OSELM-LRF原理
• 6.7. 参考文献
• 6.8. 名词术语