基于神經(jīng)網(wǎng)絡(luò)集成的數(shù)據(jù)分析.pdf

1、神經(jīng)網(wǎng)絡(luò)集成通過訓(xùn)練多個神經(jīng)網(wǎng)絡(luò)并將其結(jié)論進行適當(dāng)?shù)暮铣?可以顯著地提高學(xué)習(xí)系統(tǒng)的泛化能力.它不僅有助于科學(xué)家對機器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的深入研究,還有助于普通工程技術(shù)人員利用神經(jīng)網(wǎng)絡(luò)技術(shù)來解決現(xiàn)實世界中的實際應(yīng)用問題.因此,它被視為一種有廣闊前景的工程化神經(jīng)網(wǎng)絡(luò)技術(shù),已經(jīng)成為機器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)領(lǐng)域的研究熱點.然而,設(shè)計一個好的神經(jīng)網(wǎng)絡(luò)集成也并非易事.集成算法若要取得好的效果,必須在個體準確性與彼此差異性之間取得一個平衡.現(xiàn)有的一些方法大多側(cè)

2、重于怎樣取得差異性大的神經(jīng)網(wǎng)絡(luò)個體,而忽略了個體的準確性.那些用來制造差異性的方法,往往會使個體的準確性降低,導(dǎo)致系統(tǒng)泛化能力的提高并不明顯.而且制造出來的差異性也沒有得到充分的利用.特別是在訓(xùn)練樣本較少的情況下,這種情況更嚴重.針對這種情況,該文提出了一種改進的神經(jīng)網(wǎng)絡(luò)集成構(gòu)造方法--基于噪聲傳播的神經(jīng)網(wǎng)絡(luò)集成算法(NSENN).首先,通過Bootstrap產(chǎn)生一批有一定差異度的神經(jīng)網(wǎng)絡(luò)個體.然后利用它們制造出"偽噪聲樣本",再將這些