Conjugate Gradient Method를 이용한 Batch 기반 RBFNN의 설계

신경 회로망(Neural Network)은 원격감지(remote sensing), 모델링(dynamic modeling), 패턴인식(pattern recognition), 분류(classification) 둥 다양한 분야에서 적용되고 있다. 현재는 신경 회로망 은닉층 노드에 방사형 기저 함수(radial basis function)를 이용한 Radial basis function neural network가 함수예측(function approximation), 패턴인식, 모델링 분야에 응용되고 있다. RBFNN의 장점은 간단한 구조 및 다른 다층신경회로망(multilayer Neural Network)보다 빠른 학습능력을 가지고 있다. RBFNN의 연결가중치 동정은 최소자승법(Least Square Estimator)과 경사하강법(Gradient Descent Method)을 적용할 수 있다. 경사하강법은 수렴속도가 느리기 때문에 최적의 연결가중치 값을 얻기까지 오랜 연산시간이 걸리며, 최적의 연결가중치를 찾지 못하고 지역극소에 빠지는 경우가 발생한다. 따라서 본 논문에서는 경사하강법의 문제점을 개선하고자 Conjugate Gradient 방법을 이용한 RBFNN의 구조에 대해 소개한다. 모델의 성능평가는 jenkins가 사용한 가스로 시계열 데이터를 이용하였다.