多模态粒子群集成神经网络

被引：4

作者：

刘宇

覃征

卢江

史哲文

机构：

[1] 西安交通大学电子与信息工程学院,西安交通大学电子与信息工程学院,西安交通大学电子与信息工程学院,西安交通大学电子与信息工程学院西安,西安,清华大学软件学院,北京,西安,西安

来源：

计算机研究与发展 | 2005年 / 09期

关键词：

神经网络集成; 粒子群优化; 减聚类; 多模函数优化;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出一种基于多模态粒子群算法的神经网络集成方法,在网络训练每个迭代周期内利用改进的快速聚类算法在权值搜索空间上动态地把搜索粒子分为若干类,求得每一类的最优粒子,然后计算最优个体两两之间的输出空间相异度,合并相异度过低的两类粒子,最终形成不但权值空间相异、而且输出空间也相异的若干类粒子,每类粒子负责一个成员网络权值的搜索,其中最优粒子对应于一个成员网络,所有类的最优粒子组成神经网络集成,成员网络的个数是由算法自动确定的.算法控制网络多样性的方法更直接、更有效.与负相关神经网络集成、bagging和boosting方法比较,实验结果表明,此算法较好地提高了神经网络集成的泛化能力.

引用

页码：1519 / 1526

页数：8

共 4 条

[1] 一种选择性神经网络集成构造方法 [J].

吴建鑫 ;

周志华 ;

沈学华 ;

陈兆乾 .

计算机研究与发展, 2000, (09) :1039-1044

[2]

计算智能中的仿生学：理论与算法[M]. 科学出版社 , 徐宗本等编著, 2003

[3]

Popular Ensemble Methods:an Empirical Study .2 D Opitz,R Maclin. Journal of Artificial Intelligence Research . 1999

[4]

Neuralnetworkensembles,crossvalida tion,andactivelearning .2 A.Krogh,J.Vedelsby. AdvancesinNeuralInformation Proc.Systems7 . 1995

← 1 →