文献类型：期刊文章

作　　者：李翔[1] 朱全银[1]

机构地区：[1]淮阴工学院计算机工程学院,江苏淮安223003

出　　处：《计算机工程与科学》

基　　金：国家星火计划资助项目(2011GA690190);江苏省属高校自然科学重大基础研究资助项目(11KJA460001)

年　　份：2013

卷　　号：35

期　　号：8

起止页码：96-102

语　　种：中文

收录情况：BDHX、BDHX2011、CSCD、CSCD2013_2014、ZGKJHX、核心刊

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。

关 键 词：神经网络 强预测器  迭代算法 ADABOOST算法

分 类 号：TP183]