ماشین یادگیری افراطی

تابع سیگموئید: ${\displaystyle G(\mathbf{a},b,\mathbf{x})=\frac{1}{1+\exp (-(\mathbf{a}\cdot \mathbf{x}+b))}}$

تابع فوریه: ${\displaystyle G(\mathbf{a},b,\mathbf{x})=\sin (\mathbf{a}\cdot \mathbf{x}+b)}$

تابع محدودیت:

تابع گوسین: ${\displaystyle G(\mathbf{a},b,\mathbf{x})=\exp (-b\Vert \mathbf{x}-\mathbf{a}{\Vert }^2)}$

تابع چند قطعه ای: ${\displaystyle G(\mathbf{a},b,\mathbf{x})=(\Vert \mathbf{x}-\mathbf{a}{\Vert }^2+b^2{)}^{1/2}}$

موجک: ${\displaystyle G(\mathbf{a},b,\mathbf{x})=\Vert a{\Vert }^{-1/2}\mathrm{\Psi }\left(\frac{\mathbf{x}-\mathbf{a}}{b}\right)}$

توابع مثلثاتی:

${\displaystyle \tan (z)=\frac{e^{iz}-e^{-iz}}{i(e^{iz}+e^{-iz})}}$

${\displaystyle \sin (z)=\frac{e^{iz}-e^{-iz}}{2i}}$

توابع معکوس مثلثاتی:

${\displaystyle \arctan (z)={\int }_0^z\frac{dt}{1+t^2}}$

${\displaystyle \arccos (z)={\int }_0^z\frac{dt}{(1-t^2{)}^{1/2}}}$

توابع هذلولوی:

${\displaystyle \tanh (z)=\frac{e^z-e^{-z}}{e^z+e^{-z}}}$

${\displaystyle \sinh (z)=\frac{e^z-e^{-z}}{2}}$

توابع معکوس هذلولوی:

${\displaystyle \text{arctanh}(z)={\int }_0^z\frac{dt}{1-t^2}}$

${\displaystyle \text{arcsinh}(z)={\int }_0^z\frac{dt}{(1+t^2{)}^{1/2}}}$

• کتابخانه متلب
• کتابخانه پایتون

• رایانش مخزنی
• ماتریس تصادفی

مشارکت‌کنندگان ویکی‌پدیا. «Extreme_learning_machine». در دانشنامهٔ ویکی‌پدیای انگلیسی، بازبینی‌شده در ۱۵ آوریل ۲۰۱۹.