神经网络集成是一种常见且稳健的提升模型效率的方法。本文提出了一种基于Audibert经验星型算法（empirical star algorithm）的新颖神经网络集成算法，并给出了超额平方风险的最优理论极小极大界（minimax bound）。此外，我们在回归与分类任务上对该算法进行了实验研究，并将其与当前最主流的集成方法进行了对比。