基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
浅层学习模型对复杂函数表示能力有限,从而导致泛化能力受到制约.针对此问题,结合深度学习和集成学习思想提出一种基于深度梯度提升的回归预测模型.该模型在输入层对原始特征进行特征子集提取,训练生成子空间基学习器;隐藏层通过构建多层级联结构,逐层融合子空间特征与原始特征从而实现逐层表征学习,并根据相邻层学习变化率自适应学习层数;输出层中使用学习法结合策略对样本进行最终预测.采用并行化方式对各层学习器进行训练以提高模型运行效率.在UCI公开数据集上进行实验验证,结果表明:相比现有集成预测方法,该模型具有更高的预测精度和运行效率.
推荐文章
基于梯度提升回归树的症状自评量表(SCL-90)简化
SCL-90
梯度提升回归树
量表简化
基于梯度提升回归树算法的生活用纸皱纹等级软测量模型
起皱
皱纹等级
软测量
梯度提升回归树算法
基于提升回归树与随机森林的风电功率集成预测方法
风力发电
集成预测
提升回归树
随机森林
基于梯度提升回归树的处理器性能数据挖掘研究
性能计数器
梯度提升回归树
云计算
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种深度梯度提升回归预测模型
来源期刊 计算机应用与软件 学科 工学
关键词 梯度提升 深度学习 集成学习 回归预测
年,卷(期) 2020,(9) 所属期刊栏目 算法
研究方向 页码范围 194-201
页数 8页 分类号 TP181
字数 8431字 语种 中文
DOI 10.3969/j.issn.1000-386x.2020.09.032
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 曲文龙 河北地质大学信息工程学院 5 6 2.0 2.0
2 汪慎文 河北地质大学信息工程学院 11 28 3.0 5.0
3 李一漪 河北地质大学信息工程学院 3 1 1.0 1.0
5 陈笑屹 河北地质大学信息工程学院 2 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (16)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(2)
  • 参考文献(2)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(6)
  • 参考文献(6)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
梯度提升
深度学习
集成学习
回归预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导