機器學習

人工神經網路(ANNs)可用於在大量資料中尋找隱藏的關係和模式。因此，人工神經網路在科學技術中有著廣泛的應用，例如數據挖掘，電力負荷預測，工業程序控制，手寫辨識和疾病診斷等等。

訓練神經網路就是一個尋找最佳網路結構和網路參數的過程。由於該問題本身固有的非線性，訓練的過程本質上是要求解一個有很多局部最優解的複雜全域優化問題。在確定神經網路結構的過程中，雖然大規模的網路結構通常可以提供相對於訓練數據更高的精度，但是同時生成的網路結構往往不具備舉一反三的能力。集成（ensemble）可以有效的改進網路舉一反三的能力。

TRUST-TECH技術已經成功應用到用於構建命名為ELITE的高性能的神經網路集成平臺。ELITE平臺使用一種多階段優化框架，依次實現最優網路個體選擇，增強網路多樣性的增強以及最優個體的結合。在求解相應的優化問題過程中，TRUST-TECH技術起到了核心的作用。

基於TRUST-TECH技術的ELITE平臺已經成功用於標準機器學習資料庫的模式分類。在一組標準測試數據上的結果顯示，與其他流行的方法相比，ELITE可以達到最好的效果。