神經(jīng)網(wǎng)絡集成技術及其在土壤學中應用的研究.pdf

1、人工神經(jīng)網(wǎng)絡已經(jīng)在很多領域得到了成功的應用，但由于缺乏嚴密的理論體系的指導，其應用效果往往取決于使用者的經(jīng)驗。Hansen和Salamon于1990年開創(chuàng)性地提出了神經(jīng)網(wǎng)絡集成方法，他們證明可以通過簡單地訓練多個神經(jīng)網(wǎng)絡并將其結果進行合成，就能顯著地提高神經(jīng)網(wǎng)絡系統(tǒng)的泛化能力；因為該方法易于使用且效果明顯，因此被視為一種非常有效的工程化神經(jīng)計算方法。由于認識到神經(jīng)網(wǎng)絡集成所蘊涵的巨大潛力和應用前景，有關神經(jīng)網(wǎng)絡集成的研究近年來受到了極大

2、的重視，目前已成為機器學習和神經(jīng)計算的一個相當活躍的研究熱點。 本文從神經(jīng)網(wǎng)絡集成在回歸分析問題研究中開始較晚、研究較少的現(xiàn)狀出發(fā)，針對集成過程中結果合成這一關鍵步驟進行深入的研究，探索用遺傳算法和動態(tài)方法進行個體網(wǎng)絡合成權重的優(yōu)化，來充分挖掘神經(jīng)網(wǎng)絡集成的優(yōu)勢和潛力，為神經(jīng)網(wǎng)絡集成技術的應用提供參考；同時，針對土壤學研究中土壤性質空間分布研究這一研究熱點，嘗試將神經(jīng)網(wǎng)絡集成技術應用于土壤性質的空間分布的研究。本文所取得的創(chuàng)新性

3、研究成果主要有： 1、通過全面探索應用遺傳算法對神經(jīng)網(wǎng)絡集成進行優(yōu)化所取得效果的研究，無論是直接應用遺傳算法進行合成權重優(yōu)化、權重優(yōu)化后選擇權重大于某一閾值的個體網(wǎng)絡以加權平均或簡單平均的方法進行合成、或直接應用遺傳算法選擇部分個體網(wǎng)絡來進行合成，研究結果表明應用遺傳算法來優(yōu)化神經(jīng)網(wǎng)絡集成都是相當有效的。首次提出并發(fā)現(xiàn)直接應用遺傳算法來選擇參與集成的個體網(wǎng)絡的方法是很有效的，其效果甚至還優(yōu)于先優(yōu)化合成權重、然后再選擇權重大于某一

4、閥值的個體進行合成的方法。 2、針對回歸分析問題，首次提出了根據(jù)各個體網(wǎng)絡對訓練數(shù)據(jù)集中各訓練樣本的不同表現(xiàn)來動態(tài)確定其合成權重的思路，并應用基于廣義回歸網(wǎng)絡來實現(xiàn)動態(tài)權重合成的方法，實驗結果證明是有效的。 3、首次嘗試將基于遺傳算法的個體網(wǎng)絡選擇方法與基于廣義回歸網(wǎng)絡的動態(tài)權重方法相結合而提出了選擇性動態(tài)權重的神經(jīng)網(wǎng)絡集成方法，實驗結果表明此方法既能提高預測精度、獲得更好的性能，又能在一定程度上降低誤差的差異，改善學習

5、方法的穩(wěn)定性。 4、嘗試將神經(jīng)網(wǎng)絡集成方法應用于土壤學研究中的土壤性質空間變異和空間插值方面，與目前廣泛應用的基于地統(tǒng)計理論的克里格法相比，取得了相近或更好的效果，顯示了神經(jīng)網(wǎng)絡集成技術在土壤學研究中的應用潛力和前景。 5、對基于Bagging和Boosting的結果合成方法方面的研究表明，在個體網(wǎng)絡結果合成過程中加權平均能比簡單平均取得更好的效果；而目前在應用Bagging技術進行神經(jīng)網(wǎng)絡集成時均采用簡單平均的方法，根