Prognozių gerinimas naudojant tiesines daugialypių ekstremumų mokymosi mašinų kombinacijas
|
| Title | Prognozių gerinimas naudojant tiesines daugialypių ekstremumų mokymosi mašinų kombinacijas |
| Authors | |
| Abstract | Pristatomi keli veiksmingi metodai daugialypių dirbtinių neuronų tinklų, pagrįstų ekstremalaus mokymosi mašinos (EMM) algoritmu, tiesinei kombinacijai atlikti. Atsižvelgiant į mokomąją užduotį, didelis neuronų tinklų rinkinys pirmiausia apmokomas EMM. Tada šios apmokytos mašinos yra veiksmingai įvertinamos ir nenaudingi modeliai išmetami siekiant gauti labiau apibendrintą sistemą. Bendroji sistema yra sukurta naudojant automatinį ir spartų modelio parinkimą sumažinant galimybę palikti vieną klaidą, be vartotojo įsikišimo. Aptariami eksperimentai su dirbtinės regresijos duomenų rinkiniu ir trimis realaus pasaulio inžinerijos problemomis. Gautieji rezultatai parodė, kad svertinė tiesinė EMM kombinacija pagerina prognozes, kai jos gaunamos naudojant modelio įvairovę bendroje spartaus mokymosi sistemoje.DOI: http://dx.doi.org/10.5755/j01.itc.42.1.1667 |
| Publisher | Kaunas University of Technology |
| Date | 2013-03-13 |
| Source | Informacinės technologijos ir valdymas Vol 42, No 1 (2013) |
| Rights | Copyright terms are indicated in the Republic of Lithuania Law on Copyright and Related Rights, Articles 4-37. |