财务风险识别的研究具有十分重要的意义，针对当前财务风险识别方法存在误差大、效率低等弊端，以提高财务风险识别正确率为目标，提出了模式识别技术的财务风险识别方法。对当前各种财务风险识别方法进行分析，找到引起财务风险识别效果不理想的原因，引入模式识别技术中的在线极限学习机描述财务风险变化特点，并建立财务风险识别模型，采用具体实例与其他财务风险识别方法进行了对比实验。结果表明，文中方法减少了财务风险出现误识的概率，财务风险识别正确率得到了明显的改善，财务风险识别速度加快，具有较明显的优势。
2022-12-08 18:01:09
1.63MB
1
1、结合DBN和ELM的改进DBN-ELM模型
2、文件matlab：包含改进算法的matlab实现
3、mnist: 包含ELM、DBN、DBN-ELM算法在mnist数据集上的表现
4、Skin_NonSkin: 包含ELM、DBN、DBN-ELM算法在Skin_NonSkin数据集上的表现
5、文件python：包含改进算法的python实现
运行环境MATLAB2018b及以上
2022-12-02 09:29:38
7.34MB
带核的在线顺序极限学习机——OS-ELMK项目
带核的非平稳时间序列预测在线顺序极限学习机的实现。
项目研究了一个OS-ELMK，并在八度音阶中进行了编码。为了说明结果，用人工和真实非平稳时间序列进行了仿真。
同时，采用ELMK进行比较分析。
2022-12-02 09:29:35
246KB
利用主成分分析法结合粒子群（PSO）优化极限学习机(ELM)进行工程费用估计预测
2022-11-07 22:07:02
35KB
1
极限学习机的 python实现，可用于回归，多分类问题等。
2022-11-03 19:50:31
13KB
1
PSO粒子群算法优化极限学习机ELM参数，即PSO-ELM
2022-10-22 18:23:15
476KB
1