计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2005年
12期
8-11,174
,共5页
神经网络集成%BP网络%动态权重%广义回归神经网络%遗传算法
神經網絡集成%BP網絡%動態權重%廣義迴歸神經網絡%遺傳算法
신경망락집성%BP망락%동태권중%엄의회귀신경망락%유전산법
神经网络集成技术能有效地提高神经网络的预测精度和泛化能力,已成为机器学习和神经计算领域的一个研究热点.该文针对回归分析问题提出了一种结合应用遗传算法进行个体选择和动态确定结果合成权重的神经网络集成构造方法.在训练出个体神经网络之后,应用遗传算法对个体网络进行选择,然后根据被选择的各个体网络在输入空间上对训练样本的预测误差,应用广义回归网络来动态地确定各个体网络在特定输入空间上的合成权重.实验结果表明,与仅应用个体网络选择或动态确定权重的方法相比,该集成方法基本上能取得更好地预测精度和相近的稳定性.
神經網絡集成技術能有效地提高神經網絡的預測精度和汎化能力,已成為機器學習和神經計算領域的一箇研究熱點.該文針對迴歸分析問題提齣瞭一種結閤應用遺傳算法進行箇體選擇和動態確定結果閤成權重的神經網絡集成構造方法.在訓練齣箇體神經網絡之後,應用遺傳算法對箇體網絡進行選擇,然後根據被選擇的各箇體網絡在輸入空間上對訓練樣本的預測誤差,應用廣義迴歸網絡來動態地確定各箇體網絡在特定輸入空間上的閤成權重.實驗結果錶明,與僅應用箇體網絡選擇或動態確定權重的方法相比,該集成方法基本上能取得更好地預測精度和相近的穩定性.
신경망락집성기술능유효지제고신경망락적예측정도화범화능력,이성위궤기학습화신경계산영역적일개연구열점.해문침대회귀분석문제제출료일충결합응용유전산법진행개체선택화동태학정결과합성권중적신경망락집성구조방법.재훈련출개체신경망락지후,응용유전산법대개체망락진행선택,연후근거피선택적각개체망락재수입공간상대훈련양본적예측오차,응용엄의회귀망락래동태지학정각개체망락재특정수입공간상적합성권중.실험결과표명,여부응용개체망락선택혹동태학정권중적방법상비,해집성방법기본상능취득경호지예측정도화상근적은정성.