Seen from Table 12, theproposed ELM

Seen from Table 12, theproposed ELM learning algorithm obtains better generalizationperformance than SVM learning algorithm. However,the proposed ELM learning algorithm only spent1.6 min on learning while SVM need to spend nearly 12 hon training. The learning speed has dramatically beenincreased 430 times. On the other hand, since the supportvectors obtained by SVM is much larger than the requiredhidden nodes in ELM, the testing time spent SVMs for thislarge testing data set is more than 480 times than the ELM.

結果 (繁體中文) 1:

從表12可見，
提出了ELM學習算法獲得更好的泛化
比SVM學習算法的性能。然而，
所提出的ELM學習算法只花了
學習1.6分鐘，而SVM需要花費近12小時
的培訓。學習速度極大地被
增加430倍。在另一方面，由於支撐
通過SVM獲得矢量比所需更大的
在ELM隱藏節點，測試時間花費支持向量機用於這個
大的測試數據集比ELM多於480倍。

結果 (繁體中文) 2:

從表 12 中可以看出，
提出的ELM學習演算法獲得了更好的概括性
性能比 SVM 學習演算法。然而
建議的ELM學習演算法只花了
學習時間 1.6 分鐘，而 SVM 需要花費近 12 小時
培訓。學習速度已經戲劇性地
增加了430倍。另一方面，由於支援
SVM 獲得的向量遠遠大於所需的
在 ELM 中隱藏節點，為此花費的 SVM 測試時間
大型測試資料集是 ELM 的 480 倍以上。

結果 (繁體中文) 3:

從錶12可以看出
提出的ELM學習算灋具有較好的泛化能力
效能優於支持向量機學習算灋。然而，
提出的ELM學習算灋只需花費
學習時間1.6分鐘，支持向量機需要花費近12小時
在訓練中。學習的速度
新增了430倍。另一方面，由於支持
通過支持向量機得到的向量遠大於所需的
在ELM中隱藏節點，測試時間花費在
大型測試數据集是ELM的480多倍。