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。