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
单位:淮阴工学院计算机工程学院 江苏淮安223003
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关期刊
Nuclear Science and Techniques Applied Geophysics Applied Mathematics and Mechanics International Journal of Minerals Metallurgy and Materials Asian Journal of Andrology Advances in Atmospheric Sciences 网络安全和信息化 Journal of Iron and Steel Research Applied Mathematics:A Journal of Chinese Universities