目录背影极限学习机爬山算法优化遗传算法优化极限学习机的手写体数字识别，p-ga-elm手写体数字识别主要参数MATLAB代码效果图结果分析展望完整代码下载链接：爬山算法优化遗传算法优化极限学习机的手写体数字识别，p-ga-elm手写体数字识别（代码完整，数据）资源-CSDN文库 https://download.csdn.net/download/abc991835105/88762258背影极限学习机是在BP神经网络上改进的一种网络，拥有无限拟合能力，但是容易过拟合，本文通过基于爬山算法优化遗传算法优化极限学习机的手写体数字识别，p-ga-elm手写体数字识别摘要极限学习机原理，，爬山算法优化遗传算法优化极限学习机的手写体数字识别，p-ga-elm手写体数字识别极限学习机极限学习机（Extreme Learning Machine, ELM）或“超限学习机”是一类基于前馈神经网络（Feedforward Neuron Network, FNN）构建的机器学习系统或方法，适用于监督学习和非监督学习问题[1]。ELM在研究中被视为一类特殊的FNN，或对FNN及其反向传播算法的改进，其特点是隐含层节点的权重为随机或人为给定的，且不需要更新，学习过程仅计算输出权重[2]。传统的ELM具有单隐含层，在与其它浅层学习系统，例如单层感知机（single layer perceptron）和支