Adaboost算法改进BP神经网络预测研究

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

所属期刊栏目：35

分类号：TP183(自动化基础理论)

资助基金：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

在线出版日期：2013-10-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：96-102