PulseAugur
中
实时 23:21:57
实体 extreme learning machine

extreme learning machine

PulseAugur coverage of extreme learning machine — every cluster mentioning extreme learning machine across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 5
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 5
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 5 条
  1. TOOL · CL_327301 ·

    新型 XL MIMO 系统实现波域神经网络推理

    研究人员开发了一种新颖的方法,通过将神经网络计算与无线信道本身集成,直接对无线传输的数据执行机器学习推理。该方法在接收端使用配备堆叠智能超表面 (SIM) 的 eXtremely Large Multiple-Input Multiple-Output (XL MIMO) 系统。该系统充当两层神经网络,其中无线信道构成第一层,SIM 实现第二层可控层。通过利用极端学习机 (ELM) 框架,该架构展示了通用逼近能力,并实现了与理想化数字…

  2. TOOL · CL_223326 ·

    新型无线极端学习机利用超表面实现无线人工智能

    研究人员开发了一种新颖的无线极端学习机(ELM)系统,该系统利用非线性堆叠智能超表面进行无线数据分类。该架构将机器学习推理直接集成到通信过程中,通过在波域中利用超表面来近似网络权重,从而降低了硬件复杂性。数值评估表明,该方法可实现与传统数字模型相当的分类精度,展示了通信系统中低复杂度、波域学习的潜力。

  3. TOOL · CL_217816 ·

    新的AI方法归因于太空任务ML模型的错误

    研究人员开发了一种新方法,用于归因用于科学太空任务的机器学习模型中的错误,特别关注ESA的Ariel任务。该方法将影响重新定义为基于预测而非损失,从而可以无标签部署。它使用极限学习机(Extreme Learning Machine)的闭式岭解(closed-form ridge solution)来高效计算无穷小的预测影响,并通过将训练残差传播到影响敏感度来推导出保守的误差代理。该方法已通过模拟光谱进行了评估,显示出与光谱误差的强相…

  4. RESEARCH · CL_135222 ·

    研究论文分析伪逆型极限学习机的谱稳定性

    本研究论文探讨了使用伪逆方法计算输出权重的极限学习机(ELMs)的谱稳定性。研究表明,隐藏层矩阵的最小奇异值是放大输出权重扰动的关键因素,而条件数则量化了隐藏层的instability。奇异值分解(SVD)伪逆计算与迭代超幂法之间的比较表明,SVD方法在病态条件下提供了更好的可靠性。

  5. RESEARCH · CL_44938 ·

    混合物理信息神经网络推动电力系统设计

    一篇新的综述文章探讨了使用混合物理信息神经网络(PIML)来增强电力系统。这些方法将物理定律嵌入机器学习模型,提高了准确性和效率,尤其是在数据稀缺的情况下。文章详细介绍了各种PIML架构及其在故障检测和数字孪生等领域的应用,强调了它们优于纯数据驱动的方法。