Adaboost算法改进BP神经网络预测研究

• 作者: 朱全银 李翔
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 神经网络 强预测器 迭代算法 adaboost算法
• 年，卷（期）: 2013,（8）
• 所属期刊栏目: 人工智能
• 页码范围: 96-102
• 页数: 7页
• 分类号: TP183
• 字数: 3745字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2013.08.015

摘要

针对传统BP神经网络容易陷入局部极小、预测精度低的问题,提出使用Adaboost算法和BP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、节点传递函数、训练函数、网络学习函数构造出不同类型的BP弱预测器并对样本数据进行反复训练；最后使用Adaboost算法将得到的多个BP神经网络弱预测器组成新的强预测器.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BP网络预测平均误差绝对值减少近50％,提高了网络预测精度,为神经网络预测提供借鉴.

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