北京工业大学学报
北京工業大學學報
북경공업대학학보
JOURNAL OF BEIJING POLYTECHNIC UNIVERSITY
2014年
7期
1084-1090
,共7页
小波神经网络%强预测器%集成学习%AdaBoost算法
小波神經網絡%彊預測器%集成學習%AdaBoost算法
소파신경망락%강예측기%집성학습%AdaBoost산법
wavelet neural network%strong predictor%ensemble learning%AdaBoost algorithm
针对小波神经网络(wavelet neural network,WNN)难以选取合适小波基函数和确定隐含层节点数等问题,提出使用集成学习改进小波神经网络的方法,提高小波神经网络容错能力和自学习能力.本方法首先通过降维、归一化预处理样本数据并确定测试数据分布权值;然后通过随机选取不同的小波基函数构造出异构小波神经网络序列并反复训练样本数据;最后使用AdaBoost算法集成学习生成强回归小波预测器.对UCI数据库中数据集进行仿真验证,实验结果表明:本方法比传统小波神经网络预测平均误差减少30%以上,有效地提高了小波神经网络的预测精度和泛化能力.
針對小波神經網絡(wavelet neural network,WNN)難以選取閤適小波基函數和確定隱含層節點數等問題,提齣使用集成學習改進小波神經網絡的方法,提高小波神經網絡容錯能力和自學習能力.本方法首先通過降維、歸一化預處理樣本數據併確定測試數據分佈權值;然後通過隨機選取不同的小波基函數構造齣異構小波神經網絡序列併反複訓練樣本數據;最後使用AdaBoost算法集成學習生成彊迴歸小波預測器.對UCI數據庫中數據集進行倣真驗證,實驗結果錶明:本方法比傳統小波神經網絡預測平均誤差減少30%以上,有效地提高瞭小波神經網絡的預測精度和汎化能力.
침대소파신경망락(wavelet neural network,WNN)난이선취합괄소파기함수화학정은함층절점수등문제,제출사용집성학습개진소파신경망락적방법,제고소파신경망락용착능력화자학습능력.본방법수선통과강유、귀일화예처리양본수거병학정측시수거분포권치;연후통과수궤선취불동적소파기함수구조출이구소파신경망락서렬병반복훈련양본수거;최후사용AdaBoost산법집성학습생성강회귀소파예측기.대UCI수거고중수거집진행방진험증,실험결과표명:본방법비전통소파신경망락예측평균오차감소30%이상,유효지제고료소파신경망락적예측정도화범화능력.