кросс-валидацияоптимизация параметров и архитектуры сетиансамбли нейронных сетейостаточная ошибка обобщения
Figures from the paper
Abstract (AI)
Предложены несколько методов улучшения производительности и обучения нейронных сетей для задач классификации. Для оптимизации параметров и архитектуры сети используется кросс-валидация. Показано, что оставшуюся остаточную ошибку обобщения можно уменьшить применением ансамблей схожих сетей.
Key Findings
1
Кросс-валидация может быть использована для оптимизации параметров и архитектуры нейронной сети для задач классификации.
2
Ансамбли похожих нейронных сетей уменьшают оставшуюся генеральную ошибку обобщения.
3
Применение нескольких методов (включая кросс-валидацию и ансамбли) улучшает производительность и обучение классификационных нейронных сетей.
Research Object
Нейронные сети-классификаторы (ансамбли схожих нейронных сетей)
Research Subject
Методы повышения производительности и обучения, включая кросс-валидацию для выбора параметров/архитектуры и уменьшение остаточной ошибки обобщения с помощью ансамблей
Publication Details
Publication Date
1990-01-01
Journal
Publisher
ISSN
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest