1990 年,Hansen 和 Salamon 开创性地提出了神经网络集成, 该方法对多个多层感知器神经网络用不同的初始权值, 采用反向传播算法进行训练。他们首先在分类器学习中引入了如果成员分类器是准确多样的, 那么其集成将优于任一成员分类器的假设, 并证明了通过训练多个神经网络并对其结果进行相对多数投票法或绝对多数投票法进行合成, 可以显著地提高学习系统的泛化能力。 1996 年,Sollich 和 krogh 为神经网络集成下了一个定义: 定义 1-1:神经网络集成(Neural Network Ensemble)是用有限个神经网络对同一个问题进行学习, 集成在某输入示例下的输出由构成集成的各神经网络在该示例下的输出共同决定。目前这个定义被普遍接受。但是也有些研究者认为: 定义 1-2: 神经网络集成指的是多个独立训练的神经网络进行学习并共同决定最终输出结果。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !