计算机应用研究

作者：张安国,张树勋,朱巍,李秀敏,黄金龙,

单位：1.锐捷网络股份有限公司锐捷研究院,福州350002；2.中国科学院新疆理化技术研究所,乌鲁木齐830011；3.中国科学院大学,北京100049；4.新疆民族语音语言信息处理实验室,乌鲁木齐830011；5.重庆大学自动化学院,重庆400044；6.长江师范学院,重庆408100；

关键词：资源分配网络,并行集成学习,增量学习,扩展卡尔曼滤波器,

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)；；

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。

来源：2019年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2019年第4期