基于ELM的网络流量分类及可视化研究

精准的网络流量分类是网路流量监测和网络流量数据分析的重要基础。机器学习方法利用统计网络流量的各种特征,不依赖于协议端口和协议内容对网络流量数据进行分析。采用超限学习机(ELM)和改进算法分层超限学习机(H-ELM)作为机器学习的算法,识别客户端与服务器。对链路层、网络层和应用层数据进行分析,实现对多层次网络流量数据的可视化,对H-ELM和ELM算法的实验结果进行对比。实验结果表明,ELM算法能有效地应用于网络流量分类,基于ELM分类模型的网络流量识别训练速度快。H-ELM通过紧凑的特征去除冗余原始输入,改进了总体学习表现。     

视听博览

《天地有大美 现代科学之伟大方程》；网络学习机；暑假里去中国科技馆逛“庙会”；电影《超人归来》。     

故障诊断专家系统神经网络学习机研究

根据故障诊断专家系统的特点，设计了一种面向故障诊断问题的机器学习系统。在参数修正自学习模型中，引入了变结构的参数修正人工神经网络模型，采用B-P学习算法及后验学习方式，实现了故障诊断专家系统参数修正学习机设计。在汽车故障诊断问题中的应用结果表明。学习效果良好。     

最小学习机

针对极端学习机（ELM）不能用于多层前向神经网络学习的问题,通过揭示单层前向神经网络（SLFN）的ELM与岭回归以及中心化的岭回归之间的关系,提出了SLFN的最小学习机。通过证明核化的中心化岭回归与核化的PCA之间的关系,提出以无限可微的核函数为激励函数的多层前向神经网络（MLFN）的最小学习机LLM.SLFN/MLFN的最小学习机能够保持ELM的上述优势。     

最小学习机

针对极端学习机(ELM)不能用于多层前向神经网络学习的问题,通过揭示单层前向神经网络(SLFN)的ELM与岭回归以及中心化的岭回归之间的关系,提出了SLFN的最小学习机.通过证明核化的中心化岭回归与核化的PCA之间的关系.提出以无限可微的核函数为激励函数的多层前向神经网络(MLFN)的最小学习机LLM.SLFN/MLFN的最小学习机能够保持ELM的上述优势.     

单片学习系统设计

介绍由单片８０３１构成的单片学习机系统，该系统可用于实验教学，也可用于通用单片机控制系统。系统中配有Ａ／Ｄ，Ｄ／Ａ转换器，具备系统控制必备条件。     

改进的极小极大概率终端学习机

极小极大概率机(Minimax Probability Machine, MPM)、极小极大概率终端学习机(Minimax Probability Extreme Learning Machine, MPELM)和孪生极小极大概率终端学习机(Twin MPELM, TMPELM)在不对数据分布进行具体要求的情况下,可以为泛化误差提供明确的上界,同时使经验风险极小化。目前,MPM算法、MPELM算法和TMPELM算法主要是通过求解二阶锥规划模型的内点算法实现。本文利用支持向量机思想和凸二次规划的Wolfe对偶形式,对已有的MPM算法、MPELM算法和TMPELM算法进行了改进,并提出了三个新算法。实验结果表明,本文所提算法是有效和可竞争的。     

中华学习机多功能绘图软件

1 软件功能中华学习机及APPLE—Ⅱ微机的多功能绘图软件具有如下功能:(1) 汉字显示本软件由APPLE—Ⅱ软汉字库管理程序,以高分辨率首页作为屏幕显示区,实现汉字显示.(2) 字符显示把英文字母及阿拉伯数字制成造型表,存于符号图形库中,由键盘直接控制字符的显示.(3) 画电子元件用人机对话的方式,调用软件中建立的电子元件图形库中的电子元件符号,由光标控制画在需要的位置上.     

基于二叉级联结构的并行极速学习机算法

为解决因庞大的矩阵存储和计算,ELM（Extreme Learning Machines）难以应用到大规模、高维数据集的问题,提出一种基于“分而治之”策略的并行极速学习机算法。
该算法利用二叉级联结构,将大规模数据集分派到多个计算节点上,并行地更新单隐层前馈网络的输出权值,且能有限步地单调收敛到最小二乘解。实验结果表明,该算法不仅泛化性能优异,并且具有非常高的加速比和并行效率。     

一种基于AdaBoost的极限学习机分类方法

极限学习机是一种新型的单隐层前馈神经网络,在训练网络的过程中随机给定输入层权值和隐藏层偏差,所以训练速度非常快,但却导致了输出不稳定.提出了一种基于AdaBoost的极限学习机,把极限学习机作为AdaBoost的基本分类器,通过改变输入数据的权重,使得极限学习机的分类性能得到提升.实验结果表明了该方法与极限学习机和传统的神经网络相比,能够提高极限学习机的学习性能,并且使极限学习机输出更加稳定.     

DOVC鉴别诊断专家系统

本文实现对心血管系统中扩张,型心肌病、冠心病、心包积液和风心病的鉴别诊断,用LISP语言实现,全文由五部分组成1知识库、2数据库、3推理机、4学习机、5解释系统。     

AEC—Ⅱ型模拟电子技术学习机的研制

本文利用集成电路Ｗ７８１２、Ｗ７９１２、Ｗ１１７、Ｗ１３７、μＡ７４１和三极管，二极管，稳压管等元器件，研制模拟电子技术学习机。     

Involvement of the crebellum in sequential finger movement learning： Evidence from functional magnetic resonance imaging

Whether the cerebellum is involved in voluntary motor learning or motor performance is the subject of a new debate. Using functional magnetic resonance imaging （fMRI）, we examined cerebellar activation in eight voluntecrs before and after an extended period of training. Activation volume on both sides of cerebellum after learning was significantly reduced compared to that before learning even under the same motor frequency. Remarkably, while motor frequency for the training sequence was significantly higher than the control sequence after 41 d of learning, activation in the cerebellum for both sequences, with respect to activation loci and volumes, was very similar. These results suggest that the cerebellum was involved in motor learning but not motor performance. Changes of cerebellar activation from training thus appear to be associated with learning but not with improvement on task performance.     

基于邻域粗糙集的极速学习机算法

将基于单隐层前馈神经网络(SLFN)提出的极速学习机(ELM)算法和邻域粗糙集理论进行结合,提出基于邻域粗糙集的极速学习机算法,采用邻域粗糙集对样本集进行属性约简,去掉冗余属性,利用ELM对约简后的数据集进行学习,并对数据样本进行预测。实验表明ELM算法相比具有更高的训练精度和测试精度。     

基于集成改进ELM的蛋白质结晶偏好预测

由于基于蛋白质结晶的X射线晶体成像技术存在成功率较低的问题,因此引入计算方法筛选容易结晶的蛋白质序列对于节约测定蛋白质序列实现成本意义重大。该文提出一种基于旋转森林的集成极端学习机分类方法,用以提高蛋白质结晶偏好预测的准确性。选择蛋白质序列及序列衍生的信息和蛋白质相关的物理、化学等性质在内的20个特征作为分类特征,采用旋转森林增加集成极端学习机基分类器之间的差异性。实验结果表明,该文方法具有较高预测精度。     

International Conference of Plasma Science 2008会议

2008年6月15日,我来到德国卡尔斯鲁尔参加International Conference of Plasma Science2008会议,这是该系列会议的第35届会议,也是该会议第二次离开北美大陆举行,因此有大量欧洲和亚洲的等离子体专家参会,是一次很好的交流学习机会。