Přejít k obsahu


Gaussian Sum Approach with Optimal Experiment Design for Neural Network

Citace: [] HERING, P., ŠIMANDL, M. Gaussian Sum Approach with Optimal Experiment Design for Neural Network. In Proceedings of the Ninth IASTED International Conference on Signal and Image Processing. Honolulu: ACTA Press, 2007. s. 425-430. ISBN: 978-0-88986-676-8
Druh: STAŤ VE SBORNÍKU
Jazyk publikace: eng
Anglický název: Gaussian Sum Approach with Optimal Experiment Design for Neural Network
Rok vydání: 2007
Místo konání: Honolulu
Název zdroje: ACTA Press
Autoři: Pavel Hering , Miroslav Šimandl
Abstrakt CZ: Článek se zabývá návrhem optimálního vstupního signálu v úloze identifikace nelineárního stochastického systému neuronovou sítí. Vstupní signál je navržen na základě aktuálně získaného modelu. Klíčovou úlohu proto hraje vhodná metoda odhadu parametrů. Navržená metoda generování vstupního signálu využívá podmíněných hustot pravděpodobnosti parametrů místo běžně užívaných bodových odhadů. Z tohoto důvodu byla k odhadu parametrů sítě použita globální metoda Gaussových směsí. Navržená metoda umožňuje lépe poznat identifikovaný systém, než pokud by byly použity stávající metody návrhu vstupního signálu.
Abstrakt EN: Design of optimal input signal for system modeled by multi-layer perceptron network is treated. Because the true system is unknown, the design can be constructed only from the actually obtained model. However, neural networks with the same structure differing only in parameters values are able to approximate various nonlinear mappings therefore it is crucial maximally to use available informations to select suitable input data. Hence a global estimation method allowing to determine conditional probability density functions of network parameters will be used. The Gaussian sum approach based on approximation of arbitrary probability density function by a sum of normal distributions seems to be suitable to use. This approach is a less computationally demanding alternative to the sequential Monte Carlo methods and gives better results than the commonly used prediction error methods. The properties of the proposed experimental design are demonstrated in a numerical example.
Klíčová slova

Zpět

Patička