第四天：

深度学习模型的成功，特别是卷积神经网络（CNN），使它们成为可见光和红外领域中物体识别系统的有利解决方案。然而，由于过度拟合的问题，在海上船舶研究的情况下缺乏训练数据导致性能差。此外，用于训练CNN的反向传播算法非常慢并且需要调整许多超参数。为了克服这些缺点，我们引入了一种完全基于极限学习机（ELM）的新方法，以学习有用的CNN特征并执行快速准确的分类，适用于基于红外的识别系统。所提出的方法结合基于ELM的学习算法来训练CNN用于辨别特征提取和基于ELM的集合用于分类。 VAIS数据集的实验结果是海上船舶的最大数据集，证实了所提出的方法在泛化性能和训练速度方面优于最先进的模型。例如，所提出的模型比传统的基于反向传播的卷积神经网络训练快950倍，主要用于低级特征提取。
极限学习机加CNN
理论：具有小权重的网络导致更好的泛化性能