We study the issue of error diversi

We study the issue of error diversity in ensembles of neural networks. In ensembles of
regression estimators, the measurement of diversity can be formalised as the Bias-Variance-
Covariance decomposition. In ensembles of classifiers, there is no neat theory in the lit-
erature to date. Our objective is to understand how to precisely define, measure, and
create diverse errors for both cases. As a focal point we study one algorithm, Negative Cor-
relation (NC) Learning which claimed, and showed empirical evidence, to enforce useful
error diversity, creating neural network ensembles with very competitive performance on
both classification and regression problems. With the lack of a solid understanding of its
dynamics, we engage in a theoretical and empirical investigation.

ผลลัพธ์ (ไทย) 1:

เราศึกษาเรื่องความหลากหลายของข้อผิดพลาดในวงเครือข่ายประสาท ในวงของว่าสามารถ formalised estimators ถดถอย การวัดความหลากหลายเป็นความโน้มเอียง-ผลต่าง -แยกส่วนประกอบของความแปรปรวนร่วม ในวงของคำนามภาษา มีทฤษฎีไม่เรียบร้อยในที่สว่าง-erature วันที่ วัตถุประสงค์ของเราคือการ เข้าใจวิธีการกำหนด วัด แม่นยำ และสร้างข้อผิดพลาดที่หลากหลายสำหรับทั้งสองกรณี เป็นจุดโฟกัส ที่เราศึกษาหนึ่งอัลกอริทึม Cor ลบ-ความสัมพันธ์ (NC) ที่อ้างว่า และแสดงประจักษ์พยานหลักฐาน การบังคับใช้ประโยชน์ในการเรียนรู้ความหลากหลายข้อผิดพลาด การสร้างเครือข่ายประสาทวง มีประสิทธิภาพแข่งขันบนปัญหาการจัดประเภทและถดถอย ขาดความเข้าใจที่มั่นคงของตนdynamics เราต่อสู้ในการตรวจสอบทฤษฎี และประจักษ์

ผลลัพธ์ (ไทย) 2:

เราศึกษาปัญหาของความหลากหลายของข้อผิดพลาดในตระการตาของเครือข่ายประสาท ตระการตาของตัวประมาณถดถอยวัดของความหลากหลายสามารถเป็นทางการเป็นอคติ-Variance- สลายตัวแปรปรวน ตระการตาของลักษณนามไม่มีทฤษฎีเรียบร้อยในไฟใหญ่erature วันที่ วัตถุประสงค์ของเราคือการทำความเข้าใจวิธีการที่จะกำหนดได้อย่างแม่นยำในการวัดและสร้างข้อผิดพลาดที่หลากหลายสำหรับทั้งสองกรณี ในฐานะที่เป็นจุดโฟกัสที่เราศึกษาหนึ่งในขั้นตอนวิธีอุปลบความสัมพันธ์ (NC) ซึ่งอ้างว่าการเรียนรู้และแสดงให้เห็นหลักฐานเชิงประจักษ์ในการบังคับใช้ประโยชน์ความหลากหลายข้อผิดพลาดในการสร้างเครือข่ายประสาทตระการตากับผลการดำเนินงานการแข่งขันสูงมากในทั้งการจัดหมวดหมู่และปัญหาการถดถอย กับการขาดความเข้าใจที่มั่นคงของของการเปลี่ยนแปลงที่เรามีส่วนร่วมในการตรวจสอบเชิงทฤษฎีและเชิงประจักษ์

ผลลัพธ์ (ไทย) 3:

เราศึกษาปัญหาความผิดพลาดของความหลากหลายตระการตาของโครงข่ายประสาทเทียม ในผู้
ตัวประมาณการถดถอย การวัดความหลากหลายสามารถ formalised เป็นอคติความแปรปรวน -
การสลายตัว ในการผสมคำลักษณนาม ไม่มีทฤษฎีในเรียบร้อยจ้า -
erature วันที่ วัตถุประสงค์ของเราคือการเข้าใจวิธีการอย่างแม่นยำกำหนด , วัด , และ
สร้างข้อผิดพลาดหลากหลายสำหรับทั้งสองกรณีเป็นจุดโฟกัสที่เราศึกษาหนึ่งขั้นตอนวิธีลบสี -
ความสัมพันธ์ ( NC ) การเรียนรู้ซึ่งอ้างว่ามีหลักฐานเชิงประจักษ์ เพื่อให้การบังคับใช้ประโยชน์
ข้อผิดพลาดความหลากหลาย , การสร้างเครือข่ายประสาทกับความสามารถทางการแข่งขันมากตระการตาบน
ปัญหาทั้งการจำแนกและการถดถอย ด้วยขาดความเข้าใจที่มั่นคงของ
พลศาสตร์ เราต่อสู้ในทางทฤษฎีและการศึกษาเชิงประจักษ์