期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种深度梯度提升回归预测模型
被引量:
10
1
作者
曲文龙
陈笑屹
+1 位作者
李一漪
汪慎文
《计算机应用与软件》
北大核心
2020年第9期194-201,共8页
浅层学习模型对复杂函数表示能力有限,从而导致泛化能力受到制约。针对此问题,结合深度学习和集成学习思想提出一种基于深度梯度提升的回归预测模型。该模型在输入层对原始特征进行特征子集提取,训练生成子空间基学习器;隐藏层通过构建...
浅层学习模型对复杂函数表示能力有限,从而导致泛化能力受到制约。针对此问题,结合深度学习和集成学习思想提出一种基于深度梯度提升的回归预测模型。该模型在输入层对原始特征进行特征子集提取,训练生成子空间基学习器;隐藏层通过构建多层级联结构,逐层融合子空间特征与原始特征从而实现逐层表征学习,并根据相邻层学习变化率自适应学习层数;输出层中使用学习法结合策略对样本进行最终预测。采用并行化方式对各层学习器进行训练以提高模型运行效率。在UCI公开数据集上进行实验验证,结果表明:相比现有集成预测方法,该模型具有更高的预测精度和运行效率。
展开更多
关键词
梯度提升
深度学习
集成学习
回归预测
下载PDF
职称材料
一种基于近邻样本评估的动态选择性集成预测算法
被引量:
1
2
作者
曲文龙
李一漪
+1 位作者
陈笑屹
曲嘉一
《西北大学学报(自然科学版)》
CAS
CSCD
北大核心
2020年第5期802-810,共9页
针对现有的动态选择策略局限于寻找待测样本的局部相似样本,未充分考虑样本特征之间的重要性程度,从而对预测精度造成影响的问题,该文提出一种基于近邻样本评估的动态选择性集成预测算法。算法基于误差扰动度量出特征的重要性权值,并在...
针对现有的动态选择策略局限于寻找待测样本的局部相似样本,未充分考虑样本特征之间的重要性程度,从而对预测精度造成影响的问题,该文提出一种基于近邻样本评估的动态选择性集成预测算法。算法基于误差扰动度量出特征的重要性权值,并在此基础上进行样本近邻的相似性度量。根据不同的待测样本特点自动适应近邻数目,找到最佳近邻。通过最佳近邻对具有不同预测精度的学习器的性能评估,择优筛选出精度较高的学习器进行选择性集成预测。实验结果表明,相比原有集成学习算法和普通选择性集成算法,该算法预测精度得到进一步提升,表现出良好的预测效果和较强的预测性能。
展开更多
关键词
动态选择性集成
回归预测
近邻样本
相似度量
下载PDF
职称材料
题名
一种深度梯度提升回归预测模型
被引量:
10
1
作者
曲文龙
陈笑屹
李一漪
汪慎文
机构
河北地质大学信息工程学院
中国科学院自动化研究所
出处
《计算机应用与软件》
北大核心
2020年第9期194-201,共8页
基金
国家自然科学基金项目(61402481)
河北省重点研发计划项目(18212005)
河北省教育厅自然科学基金重点项目(ZD2018083)。
文摘
浅层学习模型对复杂函数表示能力有限,从而导致泛化能力受到制约。针对此问题,结合深度学习和集成学习思想提出一种基于深度梯度提升的回归预测模型。该模型在输入层对原始特征进行特征子集提取,训练生成子空间基学习器;隐藏层通过构建多层级联结构,逐层融合子空间特征与原始特征从而实现逐层表征学习,并根据相邻层学习变化率自适应学习层数;输出层中使用学习法结合策略对样本进行最终预测。采用并行化方式对各层学习器进行训练以提高模型运行效率。在UCI公开数据集上进行实验验证,结果表明:相比现有集成预测方法,该模型具有更高的预测精度和运行效率。
关键词
梯度提升
深度学习
集成学习
回归预测
Keywords
Gradient boosting
Deep learning
Ensemble learning
Regression prediction
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
一种基于近邻样本评估的动态选择性集成预测算法
被引量:
1
2
作者
曲文龙
李一漪
陈笑屹
曲嘉一
机构
河北地质大学信息工程学院
河北科技大学理学院
出处
《西北大学学报(自然科学版)》
CAS
CSCD
北大核心
2020年第5期802-810,共9页
基金
河北省重点研发计划资助项目(18212005)
河北省自然科学基金资助项目(F2016403055)。
文摘
针对现有的动态选择策略局限于寻找待测样本的局部相似样本,未充分考虑样本特征之间的重要性程度,从而对预测精度造成影响的问题,该文提出一种基于近邻样本评估的动态选择性集成预测算法。算法基于误差扰动度量出特征的重要性权值,并在此基础上进行样本近邻的相似性度量。根据不同的待测样本特点自动适应近邻数目,找到最佳近邻。通过最佳近邻对具有不同预测精度的学习器的性能评估,择优筛选出精度较高的学习器进行选择性集成预测。实验结果表明,相比原有集成学习算法和普通选择性集成算法,该算法预测精度得到进一步提升,表现出良好的预测效果和较强的预测性能。
关键词
动态选择性集成
回归预测
近邻样本
相似度量
Keywords
dynamic selective ensemble
regression prediction
nearest neighbor sample
similarity measure
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种深度梯度提升回归预测模型
曲文龙
陈笑屹
李一漪
汪慎文
《计算机应用与软件》
北大核心
2020
10
下载PDF
职称材料
2
一种基于近邻样本评估的动态选择性集成预测算法
曲文龙
李一漪
陈笑屹
曲嘉一
《西北大学学报(自然科学版)》
CAS
CSCD
北大核心
2020
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部