基于资源分配网络的小数据集并行集成学习方法

作     者：张安国 张树勋 朱巍 李秀敏 黄金龙 Zhang Anguo;Zhang Shuxun;Zhu Wei;Li Xiumin;Huang Jinlong

作者机构：锐捷网络股份有限公司锐捷研究院福州350002 中国科学院新疆理化技术研究所乌鲁木齐830011 中国科学院大学北京100049 新疆民族语音语言信息处理实验室乌鲁木齐830011 重庆大学自动化学院重庆400044 长江师范学院重庆408100 

出 版 物：《计算机应用研究》 (Application Research of Computers)

年 卷 期：2019年第36卷第4期

页      面：997-1000页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：重庆市自然科学基金资助项目(2016jcyjA0015) 重庆市涪陵区科技计划项目(FLKJ2015ABB1099) 

主　　题：资源分配网络 并行集成学习 增量学习 扩展卡尔曼滤波器 

摘      要：为了在小规模的训练数据集上获得一个具有稳定的高计算精度的算法模型,提出了一种基于扩展卡尔曼滤波器的资源分配网络并行集成学习方法。该集成系统由多个带有扩展卡尔曼滤波器的资源分配网络(RANEKF)组成,并且每个RANEKF子网的输入由原始数据集中的输入经过随机权值的修正得到。通过和其他神经网络构成的集成学习算法的实验对比,发现提出的方法在小训练集上拥有更高的计算精度和稳定性。