模塊化神經(jīng)網(wǎng)絡子網(wǎng)集成方法研究及仿真系統(tǒng)開發(fā).pdf

1、模塊化神經(jīng)網(wǎng)絡(ModularNeuralNetworks)是一個由多個模塊組成的神經(jīng)網(wǎng)絡，每個模塊承擔神經(jīng)網(wǎng)絡的全局任務的一個子任務，通過各個網(wǎng)絡之間的競爭或協(xié)作來提高系統(tǒng)的整體性能。大量的實例研究表明，模塊化神經(jīng)網(wǎng)絡在泛化能力和可靠性上比單一神經(jīng)網(wǎng)絡都有所提高，并且能有效地解決單個神經(jīng)網(wǎng)絡應用和實現(xiàn)時出現(xiàn)的問題，為研究者提供了一條問題求解的新途徑。由于認識到模塊化神經(jīng)網(wǎng)絡所蘊含的巨大潛力和應用前景，大量研究者涌入該領域，理論和成果不

2、斷涌現(xiàn)，使得模塊化神經(jīng)網(wǎng)絡成為機器學習和神經(jīng)網(wǎng)絡領域的研究熱點。 本文以回歸問題為例就模塊化神經(jīng)網(wǎng)絡系統(tǒng)中各個網(wǎng)絡的組合方法展開研究，提出了基于“一專多能”的模塊化神經(jīng)網(wǎng)絡子網(wǎng)集成的3種方法。該方法對訓練樣本充分利用，通過適度縮放訓練集，訓練出一批神經(jīng)網(wǎng)絡個體，這樣產(chǎn)生的個體神經(jīng)網(wǎng)絡既擁有相對的準確性，又不失其對其他樣本的適應性；將這樣的網(wǎng)絡進行個體的策略集結(jié)，可以使得系統(tǒng)的逼近速度、抗干擾能力、適應能力都得到了顯著的提高。文章

3、以8個回歸實例進行仿真測試，其結(jié)果通過4個評價指標從不同的側(cè)面反應其性能。從結(jié)果中看到，“一專多能”的方法在多個試驗中獲得了優(yōu)勝，無論對于較難學習的問題還是較容易學習的問題上，始終保持著很好的適應性和誤差要求，對于復雜的問題其精度優(yōu)勢表現(xiàn)得更為明顯。 本文還描述了作者所開發(fā)的一套適合于模塊化神經(jīng)網(wǎng)絡研究的《模塊化神經(jīng)網(wǎng)絡仿真系統(tǒng)》，詳細介紹了系統(tǒng)的總體設計和各模塊的功能(包括：輸入輸出、算法、接口、程序邏輯、存儲分配)以及系統(tǒng)界