基于可变基函数和 GentleAdaBoost 的小波神经网络研究

• 作者: 朱全银 李翔 王尊
• 来源期刊: 山东大学学报（工学版）
• 学科: 工学
• 关键词: 小波神经网络 基函数 迭代算法 Gentle Ada Boost算法 强预测器 回归预测
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 机器学习与数据挖掘
• 页码范围: 31-38
• 页数: 8页
• 分类号: TP183
• 语种: 中文
• DOI: 10.6040/j.issn.1672-3961.2.2013.018

摘要

针对传统小波神经网络（ wavelet neural network， WNN）受隐含层节点数影响大、网络误差易陷入局部极小、预测结果不稳定的问题，提出使用GentleAdaBoost和小波神经网络相结合的方法，提高网络预测精度和泛化能力。该方法首先对样本数据进行预处理并初始化测试数据分布权值；然后通过选取不同的隐含层节点数、小波基函数构造出不同类型的小波神经网络弱预测器序列并对样本数据进行反复训练；最后使用GentleAdaBoost算法将得到的多个小波神经网络弱预测器组成新的强预测器并进行回归预测。对UCI数据库中数据集进行仿真实验，结果表明，本方法比传统小波神经网络预测平均误差减少40％以上，有效地提高了神经网络预测精度，为小波神经网络应用提供借鉴。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱全银	淮阴工学院计算机工程学院	70	328	8.0	16.0
2	李翔	淮阴工学院计算机工程学院	32	153	6.0	12.0
3	王尊	南京理工大学电子工程与光电技术学院	3	8	2.0	2.0