基于资源分配网络的小数据集并行集成学习方法
张安国;  张树勋;  朱巍;  李秀敏;  黄金龙
刊名计算机应用研究
2019
卷号36期号:4
关键词资源分配网络 并行集成学习 增量学习 扩展卡尔曼滤波器
ISSN号1001-3695
英文摘要机器学习领域中,如何在小规模的训练数据集上获得一个具有稳定的高计算精度的算法模型,一直以来都是一个棘手而富有挑战的问题。从算法模型出发,提出了一种基于扩展卡尔曼滤波器的资源分配网络并行集成学习方法。该集成系统由多个带有扩展卡尔曼滤波器的资源分配网络(RANEKF)组成,并且每个RANEKF子网的输入由原始数据集中的输入经过随机权值的修正得到。通过和其他神经网络构成的集成学习算法的实验对比,发现提出的方法在小训练集上拥有更高的计算精度和稳定性。
内容类型期刊论文
源URL[http://ir.xjipc.cas.cn/handle/365002/5658]  
专题新疆理化技术研究所_多语种信息技术研究室
作者单位1.中国科学院大学
2.新疆民族语音语言信息处理实验室
3.重庆大学自动化学院
4.长江师范学院
5.锐捷网络股份有限公司
6.锐捷研究院
7.中国科学院新疆理化技术研究所
推荐引用方式
GB/T 7714
张安国;张树勋;朱巍;李秀敏;黄金龙. 基于资源分配网络的小数据集并行集成学习方法[J]. 计算机应用研究,2019,36(4).
APA 张安国;张树勋;朱巍;李秀敏;黄金龙.(2019).基于资源分配网络的小数据集并行集成学习方法.计算机应用研究,36(4).
MLA 张安国;张树勋;朱巍;李秀敏;黄金龙."基于资源分配网络的小数据集并行集成学习方法".计算机应用研究 36.4(2019).
个性服务
查看访问统计
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。


©版权所有 ©2017 CSpace - Powered by CSpace