为了理解卷积神经网络的主要思想,特别是对于cnn的新手,我们尽可能地减小这些代码,并且在代码中添加了许多注释,几乎每一行都有一个注释。
这些代码中的CNN是使用ELM训练的,并且局部字段彼此独立(没有重叠)。
如果你使用这个工具箱,请在论文中引用我的名字。
对于任何参考资料,你可以从我在工作中使用的这些开始:
[1] C. M. Vong,“基于局部接受场的极限学习机”,IEEE计算。智能。杂志,第10卷,no。2,页18-29,2015。
[2]黄国强,梁楠楠,荣宏,P. Saratchandran,和N. Sundararajan,“极限学习机器(ELM)的在线顺序极限学习机回顾,”Int。相依第一版。智能。,没有。Ci, 2005年。
[3] O. Barak, M. Rigotti,和S. Fusi,“混合选择性神经元的稀疏性控制泛化-区分权衡”,J.神经科学。,第33卷,no。9, pp. 3844-3856, 2013。
引用作为
BERGHOUT Tarek(2022)。基于ELM的卷积神经网络cnn(//www.ru-cchi.com/matlabcentral/fileexchange/71325-convolutional-neural-networks-cnns-based-elm), MATLAB中央文件交换。检索.