收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

神经网络集成及其在地震预报中的应用研究

刘悦  
【摘要】: 学习方法的泛化能力、学习效率和易用性是机器学习及其应用过程中所面临的三个关键性挑战问题。神经网络集成学习通过训练多个神经网络并将其结果进行合成,显著地提高了学习系统的泛化能力,成为近年来机器学习领域一个重要的研究方向。本文在分析神经网络集成方法研究现状的基础上,以实验设计、粗集理论、特征加权以及并行技术等为支撑,围绕神经网络集成学习方法的易用性、泛化能力和学习效率等问题展开研究,提出了更有效的神经网络集成方法,并将其应用到地震预报领域。 神经网络集成的结构(个体网络的数目和个体网络的结构)和个体网络的训练参数(如训练次数和学习率等)关系到集成性能的好坏,同时影响着集成是否易于被使用。本文首先研究了实验设计在神经网络集成中的应用,提出了一种简单、科学地确定神经网络集成结构和个体网络的训练参数的方法。使用者可以用较少的实验次数,分析影响神经网络集成泛化能力的因素以及确定各因素用什么水平搭配起来对集成的泛化能力最佳。同时,通过最近邻聚类算法自动确定个体网络的隐层节点,得到具有较大差异度的异构的个体网络,从而提高集成的泛化能力。其次,研究了构造算法和选择性方法的结合,提出了一种构造选择性神经网络集成方法。自动地确定了神经网络集成中个体网络的数目、个体网络隐层节点的个数及其训练次数等;并且采用多目标的个体网络选择方法,既保证了个体网络的精度又保证了个体网络之间的差异度。用户只需要简单地指定一些参数的初始值即可构造出集成,提高了神经网络集成的易用性。 泛化能力是机器学习关注的基本问题之一。集成特征选择通过特征选择技术产生差异度大的个体,提高了集成的泛化能力。有效地生成属性子集是其需要解决的核心问题。本文就此展开了相关的研究,提出了基于粗集约简的神经网络集成方法。该方法充分考虑到了各属性之间的依赖性和相关性,利用基于可辨识矩阵的粗集约简方法有效地生成属性子集,能够构造出具有更高精度和差异度的个体,从而提高神经网络集成的泛化能力。 特征加权能够细致地区分特征对结果影响的程度,已经成为当今流行的提高学习器的预测精度的方法之一。本文着重研究了如何将特征加权技术应用于提高神经网络集成的泛化能力,提出了一种基于特征加权的神经网络集成方法。该方法通过自适应遗传算法的优胜劣汰机制为输入属性确定了特征权值,提高了集成中各个体网络的精度和差异度,从而提高了神经网络集成的泛化能力。 提高学习效率是机器学习永远的追求。本文结合最新的并行计算编程技术,提出了一种神经网络集成方法的并行实现方案,显著地提高了集成的学习效率;


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 刘关松,徐建国,高敦岳;基于神经网络集成的舌苔分类方法[J];计算机工程;2003年14期
2 乔双,宋建中;基于DSP并行结构的多神经网络集成分类器[J];物理实验;2003年11期
3 龚安;张敏;;基于约束规划的选择性神经网络集成方法[J];计算机科学;2007年06期
4 凌锦江,周志华;基于因果发现的神经网络集成方法[J];软件学报;2004年10期
5 傅强,胡上序,赵胜颖;基于PSO算法的神经网络集成构造方法[J];浙江大学学报(工学版);2004年12期
6 孔安生,王洪澄,李国正;神经网络集成与支持向量机在多值分类问题上的比较研究[J];计算机工程与应用;2005年01期
7 沈掌泉,孔繁胜;基于个体选择的动态权重神经网络集成方法研究[J];计算机工程与应用;2005年12期
8 巩文科;李长河;石争浩;赵洁;;基于样本重构的神经网络集成学习方法[J];计算机应用;2006年06期
9 文习明;;基于神经网络集成的数据分析[J];现代计算机;2006年05期
10 阮忠;林方;;基于神经网络的入侵检测系统的实现[J];计算机与网络;2008年09期
11 郑学伟;景秀丽;;神经网络下的数据分析研究[J];电大理工;2009年04期
12 张正道,胡寿松;基于神经网络免疫集成的非线性时间序列故障预报[J];东南大学学报(自然科学版);2004年S1期
13 王正群;陈世福;陈兆乾;;基于模糊划分的神经网络集成[J];南京大学学报(自然科学版);2006年01期
14 孙冰;宫宁生;朱梧槚;;基于覆盖的神经网络集成在语音识别中的应用[J];南京大学学报(自然科学版);2006年03期
15 徐敏;;神经网络集成在图书剔旧分类中的应用[J];计算机工程;2006年20期
16 巩文科;李心广;赵洁;;基于神经网络集成的入侵检测方法的研究[J];计算机工程;2007年08期
17 潘希姣;;多子群粒子群集成神经网络[J];安徽建筑工业学院学报(自然科学版);2007年02期
18 徐敏;;构造性层状神经网络集成方法[J];计算机工程与应用;2008年18期
19 陈梅兰;;神经网络集成的设计与应用[J];现代计算机(专业版);2008年04期
20 廖慧惠;马宁;;基于神经网络集成的模式识别研究[J];数字技术与应用;2011年05期
中国重要会议论文全文数据库 前10条
1 李蓬宁;;一种新的非线性神经网络集成股市预测模型[A];全国第19届计算机技术与应用(CACIS)学术会议论文集(下册)[C];2008年
2 张郴;;基于神经网络集成的旅游需求预测模型[A];中国地理学会百年庆典学术论文摘要集[C];2009年
3 赵庶旭;党建武;马海民;;基于FIF的神经网络自律集成研究[A];2007'仪表,自动化及先进集成技术大会论文集(二)[C];2007年
4 吴月明;王益群;李莉;;基于神经网络集成的可靠性分布模型的智能识别[A];2006年全国机械可靠性学术交流会论文集[C];2006年
5 吕强;刘士荣;俞金寿;;神经网络聚类加权集成及其应用[A];2007年中国智能自动化会议论文集[C];2007年
6 张正道;胡寿松;;基于神经网络免疫集成的非线性时间序列故障预报[A];江苏省自动化学会七届四次理事会暨2004学术年会青年学者论坛论文集[C];2004年
7 肖迪;林锦国;胡寿松;;一种新的粗糙RBF网络集成方法[A];第二十七届中国控制会议论文集[C];2008年
8 潘晔;顾幸生;卢胜利;;基于信度分配的并行集成CMAC及其在建模中的应用[A];2009年中国智能自动化会议论文集(第八分册)[控制理论与应用(专刊)][C];2009年
9 钱博;;基于神经网络集成的说话人识别算法仿真研究[A];第二届中国科学院博士后学术年会暨高新技术前沿与发展学术会议程序册[C];2010年
10 陈保家;李力;赵新泽;;基于尺度-小波能量谱、粗糙集和神经网络集成的内燃机故障诊断方法[A];第二十六届中国控制会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 林民龙;基于神经网络集成的增量式学习[D];中国科学技术大学;2012年
2 于合龙;精准农业生产中若干智能决策问题研究[D];吉林大学;2010年
3 黄保海;基于分解—集成的汽轮发电机组故障诊断方法研究[D];华北电力大学;2012年
4 高敬阳;神经网络集成BOOSTING类算法研究[D];北京化工大学;2012年
5 陈晓娟;模拟电路神经网络故障诊断方法的研究[D];吉林大学;2006年
6 李辉;提高密度泛函理论方法计算吸收能的精度:神经网络和遗传算法[D];东北师范大学;2009年
7 肖迪;新型粗糙神经网络的模式识别与故障诊断方法的研究[D];南京航空航天大学;2005年
8 戴群;基于ICBP模型的混合神经网络与多样化集成方法的研究[D];南京航空航天大学;2009年
9 甘志刚;仿人机器人数字仿真与虚拟示教关键技术研究[D];华南理工大学;2009年
10 沈掌泉;神经网络集成技术及其在土壤学中应用的研究[D];浙江大学;2005年
中国硕士学位论文全文数据库 前10条
1 李岩;神经网络集成及其在分类和回归问题中的应用研究[D];华北电力大学(河北);2010年
2 李贝贝;神经网络集成算法研究及其在煤矿安全中的应用[D];山东师范大学;2012年
3 徐瑜;基于主动差异学习神经网络集成的电力变压器故障诊断方法研究[D];湘潭大学;2010年
4 夏贵荣;神经网络集成在公交行驶时间预测中的研究与应用[D];兰州理工大学;2010年
5 张冬威;基于网络聚类选择的神经网络集成方法及其在农业中的应用[D];吉林大学;2011年
6 杨阳;基于输出误差曲线差异度计算的神经网络集成[D];北京化工大学;2011年
7 齐灿;基于蜂群算法的神经网络集成研究[D];湖南大学;2013年
8 胡啸;神经网络集成在洪灾损失评估中的应用研究[D];江西理工大学;2012年
9 潘远;粗集约简的神经网络集成在遥感影像分类中的应用[D];辽宁工程技术大学;2012年
10 孙洁;基于神经网络集成的人体体型分析与号型归档研究[D];浙江理工大学;2013年
中国重要报纸全文数据库 前1条
1 记者 王进;华中科大船海学院六项目获国家自然基金资助[N];中国船舶报;2010年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978