RBF-based PNN의 최적화를 위한 방법론적 설계

본 논문에서는 RBF-based PNN(Radial Based Function based Polynomial Neural Network) 알고리즘을 구축하기 위해 다양한 RBF 활성합수를 사용하여 비교한다. RBF 뉴럴 네트워크는 빠른 학습 시간, 일반화 그리고 단순화의 특징으로 비선형 시스템 모델링 둥에 적용되고 있으며, PNN은 생성되는 노드들 중에서 우수한 결과값을 가진 노드들을 선택함으로써 모델의 근사화 및 일반화에 탁월한 효과를 가진 비선형 모델링 방법이다. 제안된 모델의 기본적인 구조는 PNN의 형태를 이루고 있으며, 각각의 노드는 RBF 뉴럴 네트워크로 구성하였다. RBF 뉴럴 네트워크의 커널함수를 Gaussian, Inverse Multiquadric Code type을 사용하여 각 성능을 비교한다. 그리고 보다 객관적이고 우수한 예측능력을 위하여 최적화 알고리즘 중 하나인 DE(Differential Evolution) Algorithm을 사용하였다.