ΥΠΟΛΟΓΙΣΤΙΚΗ ΝΟΗΜΟΣΥΝΗ ΙΙ

 

7.4     ΠΕΡΙΟΔΙΚΑ ΕΠΑΝΑΛΑΜΒΑΝΟΜΕΝΑ ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ ΠΟΥ ΧΡΗΣΙΜΟΠΟΙΟΥΝ     GMDH

 

Στις προηγούμενς ενότητες παρουσιάστηκαν δύο υλοποιήσεις προσαρμοστικών νευρωνικών δικτύων βασισμένοι σε τοπικές EKF προσεγγίσεις. Στον αλγόριθμο διαμερισμού πολλαπλών μοντέλων, ένας αριθμός από νευρωνικά δίκτυα ( ένα για κάθε ένα από τα “υποψήφια” μοντέλα ), λειτουργεί ανεξάρτητα. Κάθε δίκτυο αποτελείται από ένα νευρώνα εξόδου συνδεδεμένο με τον  αντίστοιχο αριθμό νευρώνων εισόδου με τις προηγούμενα παρατηρούμενες μετρήσεις . Στον αυτο-οργανωτικό προσαρμοστικό αλγόριθμο, ένας αριθμός από κόμβους εξόδου  ( ένας για κάθε ένα από τα “υποψήφια” μοντέλα ), λειτουργεί ανεξάρτητα, σε ένα μονό αλλά όχι πλήρως συνδεδεμένο νευρωνικό δίκτυο. Εδώ, προτείνεται μια νέα μέθοδος, που υλοποιείται από ένα μονό νευρωνικό δίκτυο που έχει έναν αριθμό από κόμβους εξόδου που συνδέονται μεταξύ τους. Αυτοί οι κόμβοι εξόδου είναι νευρωνικές μονάδες επεξεργασίας με τη δομή που περιγράφτηκε στις παραπάνω ενότητες, αλλά χρησιμοποιούνται και συνδέονται με ένα διαφορετικό τρόπο, όπως συζητείται στις παραγράφους που ακολουθούν.

 

Αυτή η μέθοδος βασίζεται σε μια τεχνική προσδιορισμού συστήματος, την Group Method for Data Handling (GMDH) [27]. Αυτή η μέθοδος μπορεί να χειρίζεται δομικές (ιεραρχικές) αναπαραστάσεις. Αυτή η αναπαράσταση βασίζεται στην επόμενη ιδέα. Θεωρείστε ότι ένα μοντέλο οπισθοδρόμησης υψηλότερης τάξης μπορεί να παραχθεί από την έξοδο ενός μοντέλου χαμηλότερης τάξης συν μια ή περισσότερες εξωτερικές εισόδους. Τότε η συνολική δομή αποτελείται από έναν αριθμό από υποσυστήματα. Αυτά τα υποσυστήματα χρησιμοποιούνται από τον αλγόριθμο σαν “υποψήφια” μοντέλα. Η σωστή τάξη μοντέλου υπολογίζεται κατόπιν χρησιμοποιώντας το κριτήριο MAP,  με τον τρόπο που χρησιμοποιείται στο ALF. Η μέθοδος λειτουργεί καλά, χρησιμοποιώντας και τον EBP και τον MEKA αλγόριθμο. Στην επόμενη ενότητα δίνουμε μερικές θεμελιώδεις περιγραφές των δυο τύπων των μονάδων επεξεργασίας, για να κατανοηθεί καλύτερα η μέθοδος.

 

 

 

 

 

 

ΑΡΧΗ ΚΕΦΑΛΑΙΟΥ