一种异构神经网络集成协同构造算法

摘要

提出一种异构神经网络集成的协同构造算法(HNNECC).首先利用进化规划同时进化网络拓扑结构和连接权值,生成多个异构最优网络,然后对异构网络进行组合.在构造神经网络集成的过程中通过协同合作,保持各网络间的负相关,从而在提高成员网络精度的同时增加各成员网络之间的差异度.利用统计学习理论对算法进行分析,表明该方法具有很好的泛化性能.分别在四个数据集上进行了实验,相对于单个网络,本文方法可提高性能17%到85%,亦优于Bagging等传统固定结构的神经网络集成方法.