However,the new ELM learning algori

However,the new ELM learning algorithm can achieve the averagetesting rate 77.57% with 20 nodes, which is obviouslyhigher than all the results so far reported in the literatureusing various popular algorithms such as SVM [20],SAOCIF [21], Cascade-Correlation algorithm [21], baggingand boosting methods [5], C4.5 [5], and RBF [25] (cf.Table 9). BP algorithm performs very poor in oursimulations for this case. It can also be seen that theELM learning algorithm run around 300 times faster thanBP, and 15 times faster than SVM for this small problemwithout considering that C executable environment mayrun much faster than MATLAB environment.

結果 (繁體中文) 1:

然而，
新的ELM學習算法可以達到平均
具有20個節點，這顯然是測試率77.57％
高於一切的結果在文獻中迄今為止所報導
使用各種流行算法如支持向量機[20]，
SAOCIF [21]，級聯-Correlation算法[21]，裝袋
和升壓方法[5]，C4.5 [5]，和RBF [25]（參照
表9）。BP算法對我們非常差
的這種情況下的模擬。也可以看出，
各地要快300倍ELM學習算法運行
BP，而且比SVM快15倍的這個小問題
不考慮是c可執行環境可能
比MATLAB環境下運行得更快。

結果 (繁體中文) 2:

然而
新的ELM學習演算法可以達到平均
測試率 77.57% 與 20 節點，這是明顯的
高於所有的結果，到目前為止報告在文獻
使用各種流行的演算法，如SVM [20]，
SAOCIF [21]，級聯關聯演算法 [21]，袋裝
和增強方法 [5]、C4.5 [5]和 RBF [25]（參見。
表 9）。BP 演算法在我們的
此案例的類比。也可以看到，
ELM 學習演算法的運行速度比
BP，並且比 SVM 快 15 倍，用於這個小問題
不考慮 C 可執行環境可能
運行速度比 MATLAB 環境快得多。

結果 (繁體中文) 3:

然而，
新的ELM學習算灋可以達到
20個節點檢測率77.57%，明顯
比文獻報導的所有結果都要高
使用各種流行的算灋，如SVM[20]，
SAOCIF[21]，級聯相關算灋[21]，bagging
以及boosting方法[5]、C4.5[5]和RBF[25]（參見。
錶9）。BP算灋在我們的
這個案例的類比。也可以看出
ELM學習算灋比
對於這個小問題，BP比支持向量機快15倍
不考慮C可執行環境
運行速度比MATLAB環境快得多。