论文题目: 神经网络集成技术及其在土壤学中应用的研究
论文类型: 博士论文
论文专业: 计算机应用
作者: 沈掌泉
导师: 孔繁胜
关键词: 网络,神经网络集成,遗传算法,动态权重,个体选择,广义回归神经网络,土壤性质,空间变异
文献来源: 浙江大学
发表年度: 2005
论文摘要: 人工神经网络已经在很多领域得到了成功的应用,但由于缺乏严密的理论体系的指导,其应用效果往往取决于使用者的经验。Hansen和Salamon于1990年开创性地提出了神经网络集成方法,他们证明可以通过简单地训练多个神经网络并将其结果进行合成,就能显著地提高神经网络系统的泛化能力;因为该方法易于使用且效果明显,因此被视为一种非常有效的工程化神经计算方法。由于认识到神经网络集成所蕴涵的巨大潜力和应用前景,有关神经网络集成的研究近年来受到了极大的重视,目前已成为机器学习和神经计算的一个相当活跃的研究热点。 本文从神经网络集成在回归分析问题研究中开始较晚、研究较少的现状出发,针对集成过程中结果合成这一关键步骤进行深入的研究,探索用遗传算法和动态方法进行个体网络合成权重的优化,来充分挖掘神经网络集成的优势和潜力,为神经网络集成技术的应用提供参考;同时,针对土壤学研究中土壤性质空间分布研究这一研究热点,尝试将神经网络集成技术应用于土壤性质的空间分布的研究。本文所取得的创新性研究成果主要有: 1、通过全面探索应用遗传算法对神经网络集成进行优化所取得效果的研究,无论是直接应用遗传算法进行合成权重优化、权重优化后选择权重大于某一阈值的个体网络以加权平均或简单平均的方法进行合成、或直接应用遗传算法选择部分个体网络来进行合成,研究结果表明应用遗传算法来优化神经网络集成都是相当有效的。首次提出并发现直接应用遗传算法来选择参与集成的个体网络的方法是很有效的,其效果甚至还优于先优化合成权重、然后再选择权重大于某一阀值的个体进行合成的方法。 2、针对回归分析问题,首次提出了根据各个体网络对训练数据集中各训练样本的不同表现来动态确定其合成权重的思路,并应用基于广义回归网络来实现动态权重合成的方法,实验结果证明是有效的。
论文目录:
致谢
中文摘要
目录
图表目录
第一章 绪论
1．1 概述
1．2 人工神经网络的产生
1．3 神经网络研究与发展的简况
1．4 神经网络的特点及存在的问题
1．5 前向神经网络介绍
1．5．1 反向传播算法(BP算法)
1．5．2 交叉验证和训练尽早停止
1．6 神经网络集成的研究
1．6．1 神经网络集成的定义
1．6．2 神经网络集成的研究进展
1．7 本文的内容组织与安排
第二章 个体网络生成过程及测试数据集介绍
2．1 个体网络的生成方法
2．1．1 Bagging
2．1．2 Boosting
2．1．3 Bagging和Boosting的差异
2．2 个体网络生成过程
2．3 实验数据集
2．4 预测精度
2．5 偏向和差异分析
2．6 神经网络集成中一般方法的结果分析
2．6．1 预测精度的比较分析
2．6．2 误差的偏向 - 差异分析
第三章 应用GA进行神经网络集成优化的研究
3．1 理论分析与实现思路
3．1．1 理论分析
3．1．2 实现思路
3．2 遗传算法介绍
3．2．1 遗传算法概要
3．2．2 遗传算法的运算过程
3．2．3 遗传算法的特点
3．3 实现方法
3．4 试验结果分析
3．4．1 预测精度分析
3．4．2 误差的偏向 - 差异分析
第四章 动态权重神经网络集成的研究
4．1 原理分析和实现方法
4．1．1 原理分析
4．1．2 实现方法
4．2 广义回归网络介绍
4．3 实现方法
4．4 试验结果分析
4．4．1 预测精度分析
4．4．2 误差的偏向 - 差异分析
第五章 选择性动态权重神经网络集成的研究
5．1 实现方法
5．2 试验结果分析
5．2．1 预测精度分析
5．2．2 误差的偏向 - 差异分析
第六章 神经网络集成技术在土壤性质空间分布中的应用研究
6．1 研究材料
6．2 研究方法
6．2．1 地统计与克里格插值方法
6．2．2 神经网络集成方法
6．3 结果分析
第七章 结论与展望
参考文献
英文摘要
攻读博士期间的科研成果
发布时间: 2006-02-08
参考文献
- [1].神经网络集成及其在地震预报中的应用研究[D]. 刘悦.上海大学2005
- [2].粗集神经网络集成方法及其在模式识别中的应用[D]. 张东波.湖南大学2007
- [3].提高密度泛函理论方法计算吸收能的精度：神经网络和遗传算法[D]. 李辉.东北师范大学2009
- [4].神经网络集成分类方法及其在并行计算环境中的应用研究[D]. 王征宇.华南理工大学2015
- [5].基于神经网络集成的增量式学习[D]. 林民龙.中国科学技术大学2012
- [6].仿人机器人数字仿真与虚拟示教关键技术研究[D]. 甘志刚.华南理工大学2009
- [7].神经网络集成BOOSTING类算法研究[D]. 高敬阳.北京化工大学2012
- [8].基于视觉与接近觉的水下多目标定位技术研究[D]. 余琨.华中科技大学2012
相关论文
- [1].人工神经网络算法的改进及其在水利测量技术中的应用[D]. 刘清.河海大学2005
- [2].反馈神经网络的结构设计、学习算法及其应用研究[D]. 乔士东.国防科学技术大学2005
- [3].聚类分析中若干关键技术的研究[D]. 杨小兵.浙江大学2005
- [4].基于神经网络等技术的数据与文本聚分类研究[D]. 钱晓东.天津大学2005
- [5].模糊神经网络理论及其在复杂系统中的应用研究[D]. 王振雷.东北大学2002
- [6].支持向量机集成及在遥感分类中的应用[D]. 何灵敏.浙江大学2006
- [7].粗集神经网络集成方法及其在模式识别中的应用[D]. 张东波.湖南大学2007
- [8].选择性神经网络集成算法研究[D]. 傅强.浙江大学2007
标签：网络论文; 神经网络集成论文; 遗传算法论文; 动态权重论文; 个体选择论文; 广义回归神经网络论文; 土壤性质论文; 空间变异论文;