基于因果发现的神经网络集成方法

摘要：

现有的神经网络集成方法主要通过扰动训练数据来产生精确且差异度较大的个体网络,从而获得较强的泛化能力.利用因果发现技术,在取样结果中找出类别属性的祖先属性,然后使用仅包含这些属性的数据生成个体网络,从而有效地将扰动训练数据与扰动输入属性结合起来,以产生精确度高且差异度大的个体.实验结果表明,该方法的泛化能力与当前一些流行的集成方法相当或更好.

关键词：神经网络集成、神经网络、集成学习、因果发现、泛化

所属期刊栏目：15

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金60273033;国家自然科学基金60325207;江苏省自然科学基金BK2004001;教育部霍英东教育基金91067;教育部优秀青年教师资助计划

在线出版日期：2004-12-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1479-1484