基于FIF的神经网络自律集成研究

摘要

本文针对神经网络在处理较大规模数据时表现出的耗时过长、资源不足等问题，在对神经网络分布式学习理论和ADS理论进行分析研究的基础上,提出一种新的基于ADS理沦的神经网络自律集成模型,对模型的训练算法进行了描述。 在该模型中自律协同是通过FIF信息域下的移动Agent完成,分别由Push_MA和Pull_MA分别对自律分散网络模型中的各个个体进行数据分配和结果集成评价,完成各个神经网络的自律集成,体现了良好的在线能力和个体的自律性。所构建模型采用了UCI KDD提供的网络数据进行仿真训练,实验结果表明所构建模型和集成算法对大规模数据的处理能达到理想的训练效果和识别能力,网络具有优于其他方法的容错能力和自律性。