감마 다층 신경망을 이용한 시스템 식별

System Identification Using Gamma Multilayer Neural Network

동적 신경망은 temporal 신호처리가 요구되는 여러 분야에 사용되어 왔다. 본 논문에서는 다층 신경망의 동특성을 향상시키기 위해 감마 신경망(GAM) 다루고 있다. GAM 신경망은 순방향 다층 신경망의 히든층에 감마 메모리 커널을 사용하고 있다. GAM 신경망은 선형 및 비선형 시스템 식별을 통해 평가되었으며 상대적인 성능평가를 위해 순방향 신경망(FNN)과 리커런트 신경망(RNN)과 비교하고 있다. 실험결과에 의하면 GAM 신경망은 학습속도와 정확도에서 더 우수하게 동작하였으며, 이러한 사실은 시스템 식별에 있어서 GAM 신경망이 기존의 다른 다층 신경망보다 더 효과적인 신경망이 될 수 있음을 보여주었다.

Dynamic neural networks have been applied to diverse fields requiring temporal signal processing. This paper presents gamma neural network(GAM) to improve the dynamics of multilayer network. The GAM network uses the gamma memory kernel in the hidden layer of feedforword multilayer network. The GAM network is evaluated in linear and nonlinear system identification, and compared with feedforword(FNN) and recurrent neural networks(RNN) for the relative comparison of its performance. Experimental results show that the GAM network performs better with respect to the convergence and accuracy, indicating that it can be a more effective network than conventional multilayer networks in system identification.