论文部分内容阅读
化学过程是建筑群,传统的神经网络模型不能通常为导致令人满意的精确性。选择神经网络整体是提高网络的归纳精确性的一个有效方法,但是有一些问题,在部件之中的差异的统一定义缺乏神经网络,例如并且对困难如果可得到的网络的差异是小的,由选择改进精确性。在这研究,网络的输出错误是 vectorized,网络的差异基于错误向量被定义,并且整体的尺寸被分析。然后,错误 vectorization 基于选择神经网络整体(EVSNE ) 被建议,在哪个每个网络的错误向量能抵消另外的网络 by training 的部件网络有序。