一种基于信息熵的自适应多神经网络模型集成学习方法

摘要

本发明提供一种基于信息熵的自适应多神经网络模型集成学习方法。所述基于信息熵的自适应多神经网络模型集成学习方法包括以下步骤：S1同时设计多个结构相同的深度神经网络模型，每个周期内多个神经网络模型权值正常迭代更新；S2计算每一个深度神经网络模型参数的信息熵；S3多个神经网络模型根据其贡献度进行自适应进行加权平均得到新的集成模型。本发明提供的基于信息熵的自适应多神经网络模型集成学习方法，在不改变深度学习模型结构的同时提高模型识别效果；该方法提出自适应加权平均函数，针对每一个深度神经网络模型的参数特点，动态的调整模型参数共享度，相比于给所有模型设置统一的系数更加简便高效。