Adaboost算法改进BP神经网络预测研究第1页,Adaboost算法和BP神经网络的税收

  本文关键词：Adaboost算法改进BP神经网络预测研究，由笔耕文化传播整理发布。

来源： 关键字： ,Adaboost算法改进BP神经网络预测研究

延伸：Adaboost算法和BP神经网络的税收预测
本文除了提供Adaboost算法改进BP神经网络预测研究 第1页的文本下载，还提供与之相关的《Adaboost算法和BP神经网络的税收预测》文本文档，希望对您有所帮助。

ＣＮ４３１２５８／ＴＰ

ＩＳＳＮ１００７１３０Ｘ计算机工程与科学ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ＆Ｓｃｉｅｎｃｅ第３５卷第８期２０１３年８月Ｖ０１．３５，Ｎｏ．８，Ａｕｇ．２０１３文章编号：１００７一１３０Ｘ（２０１３）０８００９６０７

Ａｄａｂｏｏｓｔ算法改进ＢＰ神经网络预测研究。

李翔，朱全银

（淮阴工学院计算机工程学院，，江苏淮安２２３００３）

摘要：针对传统ＢＰ神经网络容易陷入局部极小、预测精度低的问题，提出使用Ａｄａｂｏｏｓｔ算法和ＢＰ神经网络相结合的方法，提高网络预测精度和泛化能力。该方法首先对样本数据进行预处理并初始化测试数据分布权值；然后通过选取不同的隐含层节点数、节点传递函数、训练函数、网络学习函数构造出不同类型的ＢＰ弱预测器并对样本数据进行反复训练；最后使用Ａｄａｂｏｏｓｔ算法将得到的多个ＢＰ神经网络弱预测器组成新的强预测器。对ＵＣＩ数据库中数据集进行仿真实验，结果表明本方法比传统ＢＰ网络预测平均误差绝对值减少近５０％，提高了网络预测精度，为神经网络预测提供借鉴。

关键词：神经网络；强预测器；迭代算法；ａｄａｂｏｏｓｔ算法

中图分类号：ＴＰｌ８３

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００７１３０Ｘ．２０１３．０８．０１５文献标志码：Ａ

ＰｒｅｄｉｃｔｉｏｎｏｆｉｍｐｒｏｖｅｄＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ

ｂｙＡｄａｂｏｏｓｔａｌｇｏｒｉｔｈｍ

ＬＩＸｉａｎｇ，ＺＨＵＱｕａｎｙｉｎ

（ＦａｃｕｌｔｙｏｆＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＨｕａｉｙｉｎＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈｕａｉ’ａｎ２２３００３，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：ＴｈｅｔｒａｄｉｔｉｏｎａｌＢＰ（ＢａｃｋＰｒｏｐａｇａｔｉｏｎ）ｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｅａｓｙ

ａｎｄｈａｓｌｏｗｅｒａｃｃｕｒａｃｙ．Ａｃｃｏｒｄｉｎｇ

ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｉｓｐｒｏｐｏｓｅｄｔｏｔｏｔｏｆａｌｌｉｎｔｏｌｏｃａｌｍｉｎｉｍｕｍｔｈｉｓｐｒｏｂｌｅｍ，ａｍｅｔｈｏｄｔｈａｔｃｏｍｂｉｎｅｓｔｈｅＡｄａｂｏｏｓｔａｌｇｏｒｉｔｈｍａｎｄｉｍｐｒｏｖｅｔｈｅｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙａｎｄｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｔｙｏｆｔｈｅｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｆｉｒｓｔｌｙ，ｔｈｅｍｅｔｈｏｄｐｒｅｐｒｏｃｅｓｓｅｓｔｈｅｈｉｓｔｏｒｉｃａｌｄａｔａａｎｄｉｎｉｔｉａｌｉｚｅｓｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｗｅｉｇｈｔｓｏｆｔｅｓｔｄａｔａ．Ｓｅｃｏｎｄｌｙ，ｉｔｓｅｌｅｃｔｓｄｉｆｆｅｒｅｎｔｈｉｄｄｅｎｌａｙｅｒｎｏｄｅｓ，ｎｏｄｅｔｒａｎｓｆｅｒｆｕｎｃｔｉｏｎｓ，ｔｒａｉｎｉｎｇｆｕｎｃｔｉｏｎｓ，

ｔｏｃｏｎｓｔｒｕｃｔａｎｄｎｅｔｗｏｒｋｌｅａｒｎｉｎｇｆｕｎｃｔｉｏｎｓｗｅａｋｐｒｅｄｉｃｔｏｒｓｏｆＢＰｎｅｕｒａｌｎｅｔｗｏｒｋａｎｄｔｒａｉｎｓｔｈｅｓａｍｐｌｅ

ｔｏｄａｔａｒｅｐｅａｔｅｄｌｙ．Ｆｉｎａｌｌｙ，ｉｔｍａｄｅｍｏｒｅｗｅａｋｐｒｅｄｉｃｔｏｒｓｏｆＢＰｎｅｕｒａｌｎｅｔｗｏｒｋｆｏｒｍａｎｅｗｓｔｒｏｎｇｐｒｅ

ｄｉｃｔｏｒｂｙＡｄａｂｏｏｓｔａｌｇｏｒｉｔｈｍ．ＴｈｅｄａｔａｂａｓｅｏｆＵＣＩ（ＵｎｉｖｅｒｓｉｔｙｏｆＣａｌｉｆｏｒｎｉａＩｒｖｉｎｅ）ｉｓｕｓｅｄｉｎｅｘｐｅｒｉ－ｍｅｎｔｓ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｉｓｍｅｔｈｏｄ

ｐａｒｅｄｔｏｃａｎｒｅｄｕｃｅｎｅａｒｌｙ５０％ｆｏｒｔｈｅｍｅａｎｅｒｒｏｒａｂｓｏｌｕｔｅｖａｌｕｅｃｏｒｎｔｈｅｔｒａｄｉｔｉｏｎａｌＢＰｎｅｔｗｏｒｋ，ａｎｄｉｍｐｒｏｖｅｔｈｅｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｏｆｎｅｔｗｏｒｋ．Ｓｏｔｈｉｓｍｅｔｈｏｄｐｒｏｖｉｄｅｓｒｅｆｅｒｅｎｃｅｓｆｏｒｔｈｅｎｅｕｒａｌｎｅｔｗｏｒｋｐｒｅｄｉｃｔｉｏｎ．

Ｋｅｙｗｏｒｄｓ：ｎｅｕｒａｌｎｅｔｗｏｒｋ；ｓｔｒｏｎｇｐｒｅｄｉｃｔｏｒ；ｉｔｅｒａｔｉｖｅａｌｇｏｒｉｔｈｍ；ａｄａｂｏｏｓｔａｌｇｏｒｉｔｈｍ

络具有较高的预测精度、较好的通用性、较强的非

引言

反向传播ＢＰ（ＢａｃｋＰｒｏｐａｇａｔｉｏｎ）神经网络是

一种按误差逆传播算法训练的多层前馈网络，是目

前应用最广泛的神经网络模型之一［１］。ＢＰ神经网线性映射能力等优点。但是，ＢＰ神经网络也存在一些缺陷，主要表现为容易陷入局部极小值、算法收敛速度较慢、隐含单元的数目选择尚无一般性指导原则、新加入的学习样本对已学完样本的学习结果影响较大等问题。

收稿日期：２０１２０６１８｝修回日期：２０１２１０２２

基金项目：国家星火计划资助项且（２０１１ＧＡ６９０１９０）；江苏省属高校自然科学重大基础研究资助项目（１１ＫＪＡ４６０００１）

通讯地址：２２３００３江苏省淮安市大学城淮阴工学院计算机工程学院

Ａｄｄｒｅｓｓ：ＦａｃｕｌｔｙｏｆＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇ，ＨｕａｉｙｉｎＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈｕａｉ’ａｎ２２３００３，Ｊｉａｎｇｓｕ，Ｐ，Ｒ．Ｃｈｉｎａ

万方数据

第1页/共8页

猜您感兴趣

查看更多相关文本

编辑推荐

我也来解决

  本文关键词：Adaboost算法改进BP神经网络预测研究，由笔耕文化传播整理发布。