一种快速选择性神经网络集成方法

• 作者: 凌霄汉 吉根林
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 神经网络 选择性集成 泛化能力
• 年，卷（期）: 2006,（4）
• 页码范围: 69-73
• 页数: 5页
• 分类号: TP18
• 字数: 3448字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-6841.2006.04.015

摘要

选择性集成通过选择部分个体能够获得比传统全部集成更好的泛化性能.已有的一些选择性集成方法实现的时间复杂性较高,或没有充分利用个体的先验信息.提出了一种新的选择性集成方法FASEN(fast approach to selective ENsemble).该方法在独立训练出一批神经网络后,采用一种近似搜索策略,只选择与其他个体差异较大且估计泛化误差较小的网络参加集成,把个体选择的搜索空间从2N降到N.理论分析与实验结果表明,该方法简单高效,泛化性能与已有的几种选择性集成方法相当甚至占优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吉根林	南京师范大学计算机系	138	2757	22.0	50.0
2	凌霄汉	南京师范大学计算机系	5	39	5.0	5.0