| 【论文摘要】 | 模块化神经网络(Modular Neural Networks)是一个由多个模块组成的神经网络,每个模块承担神经网络的全局任务的一个子任务,通过各个网络之间的竞争或协作来提高系统的整体性能。大量的实例研究表明,模块化神经网络在泛化能力和可靠性上比单一神经网络都有所提高,并且能有效地解决单个神经网络应用和实现时出现的问题,为研究者提供了一条问题求解的新途径。由于认识到模块化神经网络所蕴含的巨大潜力和应用前景,大量研究者涌入该领域,理论和成果不断涌现,使得模块化神经网络成为机器学习和神经网络领域的研究热点。
本文以回归问题为例就模块化神经网络系统中各个网络的组合方法展开研究,提出了基于“一专多能”的模块化神经网络子网集成的3种方法。该方法对训练样本充分利用,通过适度缩放训练集,训练出一批神经网络个体,这样产生的个体神经网络既拥有相对的准确性,又不失其对其他样本的适应性;将这样的网络进行个体的策略集结,可以使得系统的逼近速度、抗干扰能力、适应能力都得到了显著的提高。文章以8个回归实例进行仿真测试,其结果通过4个评价指标从不同的侧面反应其性能。从结果中看到,“一专多能”的方法在多个试验中获得了优胜,无论对... |