改善神经网络泛化表现的多网络预言方案
八十年代后期以来，自适应神经网络的增长算法越来越受到广泛的重视。但是，由于在其增长过程中，存在不充分训练和难以确定的停止增长过程的标准等因素，致使神经网络包含过多的自由参数。它和随机选取的初始权重是导致单个神经网络往往带有某些偏见的直接原因。多网络预言策略正是为了克服这种问题而提出的，由于平均效应，它能够避免单个网络预言带来的偏颇，获得满意的结果。利用Fahlman和Lebiere提出的级联相关网络，我们从实验上验证了多网络预言方案能够获得改善的泛化表现。
多网络预言 泛化表现 过拟合
孙功星 戴贵亮
科学院高能物理所计算中心 （北京）
国内会议
北京
中文
593～596
1998-09-01（万方平台首次上网日期，不代表论文的发表时间）