分享到:

神经网络集成

神经网络集成通过训练多个神经网络并将其结论进行合成 ,可以显著地提高学习系统的泛化能力 .它不仅有助于科学家对机器学习和神经计算的深入研究 ,还有助于普通工程技术人员利用神  (本文共8页) 阅读全文>>

华南理工大学
华南理工大学

神经网络集成分类方法及其在并行计算环境中的应用研究

集成学习是一种新的机器学习范式,它通过对弱学习机进行整合,获得达到强学习机效果和质量的整体输出。集成学习从统计学上、计算上和表示上的三个方向,而不是直接从人工智能和学习算法的方向上,有效地提高了机器学习的效果,这从机器学习研究的方法论上来说是一个重大的进步。神经网络集成是指子学习机为神经网络的集成学习算法,由于人工神经网络本身就被很广泛地用于各类分类算法,所以神经网络集成也是分类器集成最常用的一种计算框架,成为目前国际机器学习和神经计算界的一个长期活跃的研究热点。现有的集成学习算法存在两个比较普遍性问题。一是通用性问题。没有一个“万能算法”能解决所有的问题,必须具体问题具体分析。二是性能问题。集成学习算法带来了数倍于单学习机模式的计算量,在实时系统或者海量数据处理系统的应用中会导致性能问题。针对上面这两类问题,本论文的研究目标主要包括:一是分别针对低维数据和高维数据这两种比较典型的分类问题,提出了更加合适的集成算法组合。二是提出...  (本文共132页) 本文目录 | 阅读全文>>

浙江大学
浙江大学

神经网络集成技术及其在土壤学中应用的研究

人工神经网络已经在很多领域得到了成功的应用,但由于缺乏严密的理论体系的指导,其应用效果往往取决于使用者的经验。Hansen和Salamon于1990年开创性地提出了神经网络集成方法,他们证明可以通过简单地训练多个神经网络并将其结果进行合成,就能显著地提高神经网络系统的泛化能力;因为该方法易于使用且效果明显,因此被视为一种非常有效的工程化神经计算方法。由于认识到神经网络集成所蕴涵的巨大潜力和应用前景,有关神经网络集成的研究近年来受到了极大的重视,目前已成为机器学习和神经计算的一个相当活跃的研究热点。本文从神经网络集成在回归分析问题研究中开始较晚、研究较少的现状出发,针对集成过程中结果合成这一关键步骤进行深入的研究,探索用遗传算法和动态方法进行个体网络合成权重的优化,来充分挖掘神经网络集成的优势和潜力,为神经网络集成技术的应用提供参考;同时,针对土壤学研究中土壤性质空间分布研究这一研究热点,尝试将神经网络集成技术应用于土壤性质的空间...  (本文共132页) 本文目录 | 阅读全文>>

上海大学
上海大学

神经网络集成及其在地震预报中的应用研究

学习方法的泛化能力、学习效率和易用性是机器学习及其应用过程中所面临的三个关键性挑战问题。神经网络集成学习通过训练多个神经网络并将其结果进行合成,显著地提高了学习系统的泛化能力,成为近年来机器学习领域一个重要的研究方向。本文在分析神经网络集成方法研究现状的基础上,以实验设计、粗集理论、特征加权以及并行技术等为支撑,围绕神经网络集成学习方法的易用性、泛化能力和学习效率等问题展开研究,提出了更有效的神经网络集成方法,并将其应用到地震预报领域。神经网络集成的结构(个体网络的数目和个体网络的结构)和个体网络的训练参数(如训练次数和学习率等)关系到集成性能的好坏,同时影响着集成是否易于被使用。本文首先研究了实验设计在神经网络集成中的应用,提出了一种简单、科学地确定神经网络集成结构和个体网络的训练参数的方法。使用者可以用较少的实验次数,分析影响神经网络集成泛化能力的因素以及确定各因素用什么水平搭配起来对集成的泛化能力最佳。同时,通过最近邻聚类...  (本文共125页) 本文目录 | 阅读全文>>

湖南大学
湖南大学

基于蜂群算法的神经网络集成研究

神经网络集成是以多个人工神经网络同时对同一个问题进行学习,其集成的结果由参与集成的各个神经网络在同一输入示例的输入条件下的输出进行组合而成的,即输出由构成这个集成的各个神经网络在这个示例下的输出来共同决定。其泛化误差等于集成中个体网络的平均泛化误差和平均差异度之差,因此,要达到增强神经网络集成的泛化能力的目的,首先应尽可能提高个体网络的泛化能力,其次应尽量地提高集成中各网络之间的差异度。本文主要工作如下:(1)针对多分类器集成算法(Bootstrap aggregating,Bagging)技术生成训练样本子集时,可能存在同一个样本重复出现的问题。本文采用一种在保证一定规模训练样本的前提下,通过随机抽取一小部分样本的扰动方法,得到一个不会有重复样本出现的训练样本子集。(2)针对BP(Back Propagation)网络的隐层节点数目在实际应用中难于确定的问题。提出一种可以确定BP网络隐层结点数目的有效方法,即通过特殊的编码方式...  (本文共61页) 本文目录 | 阅读全文>>

江西理工大学
江西理工大学

神经网络集成在洪灾损失评估中的应用研究

洪涝灾害每年都会给我国造成严重的经济损失,在一定程度上影响了我国经济的快速发展和建设,因此对洪水造成的损失进行评估,是防洪减灾工作的理论基础。要为制定防洪减灾决策工作提供重要的依据,首先就要能够科学、准确、高效地评估出洪水灾害所造成的损失。针对当前对受灾区域进行灾害评估工作中存在的评估精度低、工作量大且操作繁琐等问题,本文提出了基于神经网络集成的洪灾损失评估模型。首先,论文对洪灾的形成机制、洪水灾害造成的损失类型、洪灾损失评估原则进行了介绍,阐述了以鄱阳湖区都昌县为研究对象,运用层次分析法对影响该研究区域的洪灾损失评估指标进行了分析和提取,并对各指标所包含的洪灾影响因子之间的权重进行了分配;其次,在分析和研究常用洪灾损失评估模型和计算方法的基础上,提出了基于神经网络集成的洪灾损失评估模型;然后,研究了神经网络集成模型的个体生成和结论生成的实现方法、神经网络个体相关参数的设置,利用C#编程语言和AForge. NET开源框架下的神...  (本文共66页) 本文目录 | 阅读全文>>