10.3969/j.issn.1007-130X.2013.08.015
Adaboost算法改进BP神经网络预测研究
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.
神经网络、强预测器、迭代算法、adaboost算法
35
TP183(自动化基础理论)
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
2013-10-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
96-102