基于随机梯度法的选择性神经网络二次集成  

Two-level Ensembles of Selective Neural Network Based on Stochastic Gradient

作　　者：施彦[1] 黄聪明[1] 侯朝桢[2] 

机构地区：[1]北京理工大学化工与环境学院,北京100081 [2]北京理工大学信息科学技术学院,北京100081

出　　处：《计算机工程》2004年第16期133-135,159,共4页Computer Engineering

摘　　要：针对使用贪心法、遗传算法等方法实现选择性神经网络集成时出现的“局部最小点”和“过拟合”问题,提出了一类基于随机梯度法的选择性神经网络二次集成方法。理论分析和实验表明,与上述选择性神经网络集成方法相比,该方法易于实现且效果明显。In the application of greedy method or genetic algorithm for the selection of the components of neural network ensembles, local minima and over fitting problems occur frequently. To solve such problems, a kind of method of two-level stochastic gradient-based selective neural network ensembles is proposed in this paper. Theoretical analyses and experimental results show that the method is easy to be constructed and performs well.

关 键 词：神经网络集成 二次集成 贪心法 随机梯度法 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]