《表1 不同数据集上的性能比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《一种基于正则优化的批次继承极限学习机算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实验2为进一步验证本文算法的有效性，采用如下5种对比算法：SAE[1 5]（Stacked Auto Encoders），SDA[16]（Stacked Denoise Autoencoder），DBM[17]（Deep Boltzmann Machines），ML-ELM[18]（Multi-Layer ELM）和H-ELM[19]（Hierarchical ELM）。其中SAE，SDA和DBM是非ELM的深度神经网络，ML-ELM，H-ELM是基于ELM的深度神经网络，分别在MNIST，NORB和CIFAR-10数据集上对分类精度和训练时间的最佳效果进行统计，如表1所示。