穩(wěn)定的Boosting類神經網絡集成新算法研究.pdf_第1頁
已閱讀1頁,還剩79頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、神經網絡集成研究中個體網絡生成方法應用較廣的是Boosting類算法和Bagging類算法。Boosting類算法由于其權值的調整傾向于“困難”樣本,所以在迭代過程中容易使某些“困難”樣本累積,從而使集成輸出結果不穩(wěn)定;而Bagging算法所生成的個體網絡之間互不相關,因此在不穩(wěn)定訓練情況下不會造成“困難”樣本的累積,但由于Bagging算法不能針對性地訓練的個體網絡,使得該方法的精度無法控制。
   為了提高神經網絡集成算法的

2、穩(wěn)定性,使得集成算法在生成個體網絡的過程中不會使“困難”樣本形成過度積累,同時能針對性地訓練個體網絡以保證泛化精度。本文從Boosting類集成算法出發(fā)結合Bagging算法提出了BSLB(Boosting Seeded Local Bagging)新算法,將Boosting類集成算法中“困難”樣本積累現象加以改進,采用基于鄰居計算局部誤差的方法能區(qū)分對待“困難”樣本和“容易”樣本,并通過鄰居誤差挑選“困難”樣本作為種子樣本,根據種子樣

3、本運用Lazy算法生成.Bagging二次集成的訓練樣本集,使得新生成的訓練樣本分布不再過分關注“困難”樣本,從而保證了集成網絡的穩(wěn)定性,針對性地訓練個體網絡來保證其泛化精度。
   實驗結果表明,BSLB不會使得“困難”樣本過分積累,從而較之AdaBoosting,Local Boosting集成算法對個體網絡學習算法的依賴性更低,且不容易陷入局部最優(yōu)解,特別是在抗噪性上有較為突出的表現;所得到的網絡結構較之Local Bo

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論