如果你想结合三个不同神经网络的结果来“提升”性能:)，你可能想看看我前面提到的不同的集成学习方法。

您应该使用哪种方法，取决于您如何在三个 NN 之间共享或划分训练数据。例如，如果 NN 在相同的数据上训练但具有不同的参数，您可以查看简单投票（如果您正在执行分类任务）或平均（如果您将它们用于回归）。

AdaBoost 等更高级的方法在分类器之间划分训练数据。您可以在Boosting Neural Networks中了解它

一般来说，有四种方法可以“连接”神经网络（取决于您手头的应用程序），如组合人工神经网络，Sharkey 等人中所述。：

在合作模式中，可以通过多种方式组合不同模型做出的决策。一种常见的方法是取预测的平均值。其他方法是取中位数，或其中一些加权平均值。

在竞争模式中，它是赢家通吃的，其中选择来自该测试点的最佳模型的预测。

在顺序模式下，您对粗略的类别进行分类（即自然物体与人造物体），此阶段的预测将用于决定下一步做什么......（即，如果模型预测人造物体，则可以有一个分类器来做细粒度分类）。

神经网络有很多超参数需要调整。在监督模式下，人们可以训练一个神经网络，只是为了选择一个“真实”神经网络的这些超参数，这些超参数实际上是针对你手头的问题进行训练的。

请深入研究上述文章以获取更多详细信息。