改进的局部泛化误差模型及其在特征选择中的应用
作者：马艳东
摘要：神经网络的性能可以通过泛化误差表达。泛化误差越小,则说明该神经网络在未知样本中的预测能力越强。反之,说明该神经网络的预测能力很差。对Wing W.Y.NG等人提出了局部泛化误差模型进行了改进,并将新模型应用到特征选择当中。试验结果表明,相对于原有模型,该模型具有更贴近实际的对泛化能力进行表达的能力。
分类：
- 期刊
- >
- 自然科学与工程技术
- >
- 基础科学
- >
- 基础科学综合
收录：
- 万方收录(中)
- 上海图书馆馆藏
- 国家图书馆馆藏
- 知网收录(中)
- 维普收录(中)
关键词：
- 泛化误差
- 神经网络
- 特征选择
- 预测能力
- 训练样本
- 数据集
- 分类器
- 隐含层
- 训练误差
- 终止条件
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
