Ensemble Learning with Negative Correlation and Complexity Estimation

具有负相关性和复杂性估计的集成学习

基本信息

  • 批准号：
    23500282
  • 负责人：
    LIU YONG
  • 金额：
    $ 2.83万
  • 依托单位：
    The University of Aizu
  • 依托单位国家：
    日本
  • 项目类别：
    Grant-in-Aid for Scientific Research (C)
  • 财政年份：
    2011
  • 资助国家：
    日本
  • 起止时间：
    2011 至 2013
  • 项目状态：
    已结题

项目摘要

Balanced ensemble learning method has been implemented from negative correlation learning. Balanced ensemble learning is able to create weak learning models by changing the learning error functions with the shifted target values. Such learning functions cannot only help in controlling the complexity of the neural network ensembles, but also improve the accuracy of classifications of the learning models.In comparison, negative correlation learning is able to generate strong learning models. An novel transition learning method between balanced ensemble learning and negative correlation learning has been proposed. The complexity of the learning models could be controlled during the transition period in the learning process.
平衡集成学习方法是在负相关学习的基础上实现的。平衡集成学习可以通过改变学习误差函数来建立弱学习模型。这样的学习函数不仅有助于控制神经网络集成的复杂性，而且可以提高学习模型的分类精度。相比之下，负相关学习能够产生强大的学习模型。提出了一种平衡集成学习与负相关学习之间的过渡学习方法。在学习过程的过渡阶段，学习模型的复杂性可以得到控制。

项目成果

期刊论文数量（0）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）
Balancing Ensemble Learning through Error Shift
通过错误转移平衡集成学习
  • DOI：
  • 发表时间：
    2011
  • 期刊：
  • 影响因子：
    0
  • 作者：
    A Lopez Jaimes;C. Coello;H. Aguirre;K. Tanaka;Yong Liu;R.Yamashina,M.Kuroda,T.Yabuta;馬場則夫，半田久志;Yong Liu
  • 通讯作者：
    Yong Liu
Computational Intelligence and Intelligent Systems
  • DOI：
    10.1007/978-981-13-6473-0
  • 发表时间：
    2018
  • 期刊：
    Communications in Computer and Information Science
  • 影响因子：
    0
  • 作者：
    Xiaojing Wang;Hu Peng;Changshou Deng;Lixian Li;Likun Zheng
  • 通讯作者：
    Xiaojing Wang;Hu Peng;Changshou Deng;Lixian Li;Likun Zheng
Transition Learning for Creating Diverse Neural Networks
创建多样化神经网络的过渡学习
  • DOI：
  • 发表时间：
    2013
  • 期刊：
  • 影响因子：
    0
  • 作者：
    横山智宏;坂井直樹;藪田哲郎;Y. Liu
  • 通讯作者：
    Y. Liu
Create Weak Learners with Small Neural Networks by Balanced Ensemble Learning
通过平衡集成学习使用小型神经网络创建弱学习器
  • DOI：
  • 发表时间：
    2011
  • 期刊：
  • 影响因子：
    0
  • 作者：
    Ryota YAMASHINA ;Masafumi KURODA ;Tetsuro YABUTA;Yong Liu
  • 通讯作者：
    Yong Liu
New discoveries in balanced ensemble learning
{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi }}
  • 发表时间：
    {{ item.publish_year }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.author }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.author }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.author }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.author }}

数据更新时间：{{ patent.updateTime }}

LIU YONG其他文献

LIU YONG的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi }}
  • 发表时间：
    {{ item.publish_year }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
立即体验
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了