ANN集成的训练误差收敛和泛化误差有界的证明

作者：黄红梅; 罗兵

来源：广东水利电力职业技术学院学报, 2008, (04): 58-64.

• ANN集成
• AdaBoost
• 机器学习
• 训练误差
• 泛化性能 ANN integration
• AdaBoost
• machine learning
• training error
• generalization

按AdaBoost自适应提升算法构建多个简单ANN然后集成,简化了ANN设计,改善了ANN性能。该理论证明:在单个ANN具有一定的要求较低的性能条件下,即误差小于50%时,该ANN集成对两分类问题的训练误差具有收敛性,对测试集的泛化误差有界。从而从理论上可以解释其对ANN性能的改进。

• 出版日期2008
• 单位广东水利电力职业技术学院; 广东工业大学