Стуктурний синтез гібридних ансамблів нейронних мереж
DOI:
https://doi.org/10.18372/1990-5548.57.13242Ключові слова:
Гібридні ансамблі нейронних мереж, класифікатор, бутстреп навчальної вибіркиАнотація
Розглянуто структурний синтез ансамблів гібридних нейронних мереж. У якості топології ансамблю вибрана паралельна структура з шаром об'єднання. Розроблений гібридний алгоритм розв’язання задачі включає алгоритми попереднього вибору класифікаторів (модулів нейронних мереж – гібридні нейронні мережі, які складаються з нейронних мереж Кохонена, базової і двонаправленої асоціативної пам’яті), створення бутстреп навчальних вибірок для кожного класифікатора, навчання цих класифікаторів, оптимальний вибір необхідних класифікаторів, визначення вагових коефіцієнтів шару об'єднання, спрощення ансамблю. Для вирішення завдання оптимального вибору класифікаторів використовуються два критерії: точність і різноманітність.
Посилання
I. Partalas, G. Tsoumakas, and I. Vlahavas, “Focused ensemble selection: A diversity-based method for greedy ensemble selection,” іn Proceeding of the 18th European Conference on Artificial Intelligence, 2008, pp. 117–121.
Y. Zhang, S. Burer, and W. N. Street, “Ensemble pruning via semi-definite programming,” The Journal of Machine Learning Research. pp. 1315–1338, 2006.
Lu. Zhenyu, Wu Xindong, Zhu Xingquan, and Josh Bongard, “Ensamble Pruning via Individual Contribution Ordering,” Department of Computer Science University of Vermont, Burlington. NSW. 2007, pp. 635–745.
Gonzalo Martґınez-Muñoz, and Alberto Suárez, “Aggregation Ordering in Bagging,” in Proc. of the IASTED International Conference on Artificial Intelligence and Applications. Acta Press, 2004, pp. 258–263.
G. Martıґnez-Muñoz and A. Suárez, “Pruning in ordered bagging ensembles,” in Proc. of the 23rd International Conference on Machine Learning, 2006, pp. 609–616.
Anne M. P. Canuto, Marjory C. C. Abreu, Lucas de Melo Oliveira, João C. Xavier Jr., and Araken de M. Santos, “Investigating the influence of the choice of the ensemble members in accuracy and diversity of selection-based and fusion-based methods for ensembles,” Pattern Recognition Letters, 28, 2007, pp. 472–486.
##submission.downloads##
Як цитувати
Номер
Розділ
Ліцензія
Автори, які публікуються в цьому журналі, погоджуються з наступними умовами:
Автори зберігають авторські права та надають журналу право першої публікації роботи, одночасно ліцензованої за ліцензією Creative Commons Attribution License, яка дозволяє іншим поширювати роботу з посиланням на авторство роботи та її першу публікацію в цьому журналі.
Автори можуть укладати окремі додаткові договірні угоди щодо неексклюзивного розповсюдження опублікованої в журналі версії роботи (наприклад, розміщувати її в інституційному репозиторії або публікувати в книзі) з посиланням на її першу публікацію в цьому журналі.
Авторам дозволяється та заохочується розміщувати свої роботи онлайн (наприклад, в інституційних репозиторіях або на своєму вебсайті) до та під час процесу подання, оскільки це може призвести до продуктивного обміну, а також до більш раннього та більшого цитування опублікованих робіт (див. Вплив відкритого доступу).
