文献类型：期刊文章

作　　者：傅强[1] 胡上序[1] 赵胜颖[2]

机构地区：[1]浙江大学智能信息工程研究所,浙江杭州310027 [2]通信有限公司,浙江杭州310027

出　　处：《浙江大学学报（工学版）》

年　　份：2004

卷　　号：38

期　　号：12

起止页码：1596-1600

语　　种：中文

收录情况：AJ、BDHX、BDHX2000、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：2005088854178)、IC、INSPEC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为合理选择组成神经网络集成的个体,使各个体间保持较大的差异度,从而提高集成所建模型的仿真精度,提出一种新的神经网络集成构造方法.独立训练出一批神经网络,采用离散粒子群优化(PSO)算法,用多维空间中0或1取值的粒子描述所有可能的神经网络集成.网络集成预测误差的估计值用组成集成的个体网络之间的相关度表示,并作为优化过程中的适应度函数.优选得到参与构成神经网络集成的部分差异度较大网络个体.对8个典型数据集回归问题的实验结果表明,该方法构造的神经网络集成普遍使用了较少的网络个体,而预测精度均好于Bagging方法等传统方法.

关 键 词：神经网络 集成  粒子群优化(PSO)  

分 类 号：TP183]