基于资源分配网络的小数据集并行集成学习方法

• 作者: 张安国 张树勋 朱巍 李秀敏 黄金龙
• 来源期刊: 计算机应用研究
• 关键词: 资源分配网络 并行集成学习 增量学习 扩展卡尔曼滤波器
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 997-1000
• 页数: 4页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.10.0984

摘要

为了在小规模的训练数据集上获得一个具有稳定的高计算精度的算法模型,提出了一种基于扩展卡尔曼滤波器的资源分配网络并行集成学习方法.该集成系统由多个带有扩展卡尔曼滤波器的资源分配网络(RANEKF)组成,并且每个RANEKF子网的输入由原始数据集中的输入经过随机权值的修正得到.通过和其他神经网络构成的集成学习算法的实验对比,发现提出的方法在小训练集上拥有更高的计算精度和稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李秀敏	重庆大学自动化学院	2	11	1.0	2.0
2	张安国	锐捷网络股份有限公司锐捷研究院	1	0	0.0	0.0
3	张树勋	中国科学院新疆理化技术研究所	1	0	0.0	0.0
12	朱巍	锐捷网络股份有限公司锐捷研究院	2	1	1.0	1.0
13	黄金龙		3	0	0.0	0.0