Ändra sökning
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
Random Brains
Högskolan i Borås, Institutionen Handels- och IT-högskolan.ORCID-id: 0000-0003-0412-6199
Högskolan i Borås, Institutionen Handels- och IT-högskolan.ORCID-id: 0000-0003-0274-9026
Högskolan i Borås, Institutionen Handels- och IT-högskolan.
2013 (Engelska)Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

In this paper, we introduce and evaluate a novel method, called random brains, for producing neural network ensembles. The suggested method, which is heavily inspired by the random forest technique, produces diversity implicitly by using bootstrap training and randomized architectures. More specifically, for each base classifier multilayer perceptron, a number of randomly selected links between the input layer and the hidden layer are removed prior to training, thus resulting in potentially weaker but more diverse base classifiers. The experimental results on 20 UCI data sets show that random brains obtained significantly higher accuracy and AUC, compared to standard bagging of similar neural networks not utilizing randomized architectures. The analysis shows that the main reason for the increased ensemble performance is the ability to produce effective diversity, as indicated by the increase in the difficulty diversity measure.

Ort, förlag, år, upplaga, sidor
IEEE, 2013.
Nyckelord [en]
Data mining, Machine Learning
Nationell ämneskategori
Datavetenskap (datalogi) Data- och informationsvetenskap
Identifikatorer
URN: urn:nbn:se:hj:diva-38095Lokalt ID: 0;0;miljJAILOAI: oai:DiVA.org:hj-38095DiVA, id: diva2:1163316
Konferens
International Joint Conference on Neural Networks, Dallas, TX, USA, August 4-9, 2013.
Anmärkning

Sponsorship:

Swedish Foundation for Strategic

Research through the project High-Performance Data Mining for Drug Effect

Detection (IIS11-0053) and the Knowledge Foundation through the project

Big Data Analytics by Online Ensemble Learning (20120192)

Tillgänglig från: 2017-12-06 Skapad: 2017-12-06 Senast uppdaterad: 2019-08-23Bibliografiskt granskad

Open Access i DiVA

fulltext(144 kB)15 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 144 kBChecksumma SHA-512
756b8e2c1d81527badf6022fa4f65f81da0797540d62da03b1775ac507fe90c18cde901d5baf12115b3f5d62fd5a780ee7ffd4b9a9ef333fe51e5928aa61b8f8
Typ fulltextMimetyp application/pdf

Personposter BETA

Johansson, UlfLöfström, Tuve

Sök vidare i DiVA

Av författaren/redaktören
Johansson, UlfLöfström, Tuve
Datavetenskap (datalogi)Data- och informationsvetenskap

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 15 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 61 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