一种基于难样本学习与神经网络融合的机器学习方法

摘要

本发明涉及一种基于难样本学习与神经网络融合的机器学习方法，属于人工智能技术领域。所述方法在全部训练样本集和困难训练样本集上学习得到两个神经网络，再融合这两个神经网络得到一个性能更好的新的神经网络；难样本学习和网络融合过程可反复多次进行，直到神经网络的性能不能提高为止，从而在保持容易样本计算精度的前提下有效提高难样本计算精度；所述方法亦可适用于通过其他任意方式得到的网络，比如在递增学习中将在新增训练样本上学习得到的网络与原有网络进行融合，或者将用两种不同学习方法得到的网络进行融合。所述方法将两个或以上不同神经网络融合成一个性能更好的网络，整体计算更可靠、精度更高。