RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Comparing Methods for Generating Diverse Ensembles of Artificial Neural Networks
Högskolan i Borås, Institutionen Handels- och IT-högskolan.ORCID-id: 0000-0003-0274-9026
Högskolan i Borås, Institutionen Handels- och IT-högskolan.ORCID-id: 0000-0003-0412-6199
2010 (Engelska)Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

It is well-known that ensemble performance relies heavily on sufficient diversity among the base classifiers. With this in mind, the strategy used to balance diversity and base classifier accuracy must be considered a key component of any ensemble algorithm. This study evaluates the predictive performance of neural network ensembles, specifically comparing straightforward techniques to more sophisticated. In particular, the sophisticated methods GASEN and NegBagg are compared to more straightforward methods, where each ensemble member is trained independently of the others. In the experimentation, using 31 publicly available data sets, the straightforward methods clearly outperformed the sophisticated methods, thus questioning the use of the more complex algorithms.

Ort, förlag, år, upplaga, sidor
IEEE, 2010.
Serie
CFP10IJS-DVD
Nyckelord [en]
ensembles, diversity, Machine Learning
Nationell ämneskategori
Datavetenskap (datalogi) Data- och informationsvetenskap
Identifikatorer
URN: urn:nbn:se:hj:diva-45801DOI: 10.1109/IJCNN.2010.5596763Lokalt ID: 0;0;miljJAILISBN: 978-1-4244-6916-1 (tryckt)OAI: oai:DiVA.org:hj-45801DiVA, id: diva2:1348945
Konferens
WCCI 2010 IEEE World Congress on Computational Intelligence, IJCNN 2010
Tillgänglig från: 2019-09-06 Skapad: 2019-09-06 Senast uppdaterad: 2019-09-06Bibliografiskt granskad

Open Access i DiVA

fulltext(229 kB)35 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 229 kBChecksumma SHA-512
f8b769287579e52fe0c437f697b9c49491dd98bbb974c07ed784ec6a68c6b224b5de1d98bf84c286d67eae67e9060eba97b75358a827dcf3182599cf9f5812c5
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltext

Personposter BETA

Löfström, TuveJohansson, Ulf

Sök vidare i DiVA

Av författaren/redaktören
Löfström, TuveJohansson, Ulf
Datavetenskap (datalogi)Data- och informationsvetenskap

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 35 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 75 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf