傅向華　馮博琴　馬兆豐　何　明

摘要：基于負相關異構網絡，提出了一種增量構造異構神經網絡集成(NNE)的方法．該方法在訓練成員網絡時，不僅調整網絡的連接權值，而且動態(tài)調整網絡的結構，從而在提高單個網絡精度的同時增加各成員網絡之間的差異度，減小網絡集成的泛化誤差．該方法包括構造最佳異構網絡(BHNN)和構造異構網絡集成(HNNE)兩個部分，BHNN基于負相關學習動態(tài)構造多個最佳網絡，HNNE利用訓練好的最佳網絡增量地構造異構NNE．使用網絡泛化誤差和集成泛化誤差，整個集成過程可自動完成，無需預先確定成員網絡的結構．分別對回歸和分類問題進行了實驗，相對于單個網絡，該方法在測試數據集上的錯誤率降低了17％～85％，與已有的Boosting、Bagging等網絡集成方法相比，錯誤率也有不同程度的改善．

關鍵詞：神經網絡集成；負相關學習；構造性神經網絡；增量構造

中圖分類號：TPl8文獻標識碼：A文章編號：0253-987X(2004)08-0796—04