电脑编程技巧与维护
電腦編程技巧與維護
전뇌편정기교여유호
COMPUTER PROGRAMMING SKILLS & MAINTENANCE
2014年
6期
68-71
,共4页
神经网络集成%多层感知器%二次Renyi熵
神經網絡集成%多層感知器%二次Renyi熵
신경망락집성%다층감지기%이차Renyi적
神经网络集成能够有效提高单个神经网络的分类或回归性能.在基于香农熵的神经网络集成基础上,提出了基于二次Renyi熵的神经网络集成.与基于香农熵的神经网络集成相比,所提集成策略的最优组合权重可以解析求得,无需利用牛顿法迭代求取.在人工和标准数据集上的实验结果表明:与单个神经网络和基于香农熵的神经网络集成相比,基于二次Renyi熵的神经网络集成能够取得更优的性能.
神經網絡集成能夠有效提高單箇神經網絡的分類或迴歸性能.在基于香農熵的神經網絡集成基礎上,提齣瞭基于二次Renyi熵的神經網絡集成.與基于香農熵的神經網絡集成相比,所提集成策略的最優組閤權重可以解析求得,無需利用牛頓法迭代求取.在人工和標準數據集上的實驗結果錶明:與單箇神經網絡和基于香農熵的神經網絡集成相比,基于二次Renyi熵的神經網絡集成能夠取得更優的性能.
신경망락집성능구유효제고단개신경망락적분류혹회귀성능.재기우향농적적신경망락집성기출상,제출료기우이차Renyi적적신경망락집성.여기우향농적적신경망락집성상비,소제집성책략적최우조합권중가이해석구득,무수이용우돈법질대구취.재인공화표준수거집상적실험결과표명:여단개신경망락화기우향농적적신경망락집성상비,기우이차Renyi적적신경망락집성능구취득경우적성능.
