입자군집화 알고리즘을 이용한 pRBFNN에 관한 연구

본 논문에서는 RBF 뉴럴 네트워크(Radial Basis Function Neural Network)[1]를 설계하고 모델을 최적화하기 위하여 최적화 알고리즘인 PSO(Particle Swarm Optimization) 알고리즘[2]을 이용한다. 즉, PSO 알고리즘을 이용하여 모델의 최적화에 주요한 영향을 미치는 모델의 파라미터들을 동정한다. 제안된 RBF 뉴럴 네트워크는 은닉층에서의 활성함수로서 일반적으로 많이 사용되어지는 가우시안 커널함수를 사용한다. 더 나아가 모델의 최적화를 위하여 각 커널함수의 중심값은 Hard C-Means 클러스터링에 기반을 두어 중심값을 결정하고, PSO 알고리즘을 통하여 가우시안 커널 함수의 각각의 입력에 적합한 분포상수, 은닉층에서의 노드 수 그리고 다수의 입력을 가질 경우 입력의 종류를 동정한다. 또한 각 노드의 출력을 다항식 형태로 확장하여 각 노드의 출력다항식의 형태를 각각 PSO 알고리즘을 사용하여 동정한다. 제안한 모델의 성능을 평가하기 위해 NOx 데이터를 적용하였으며 제안된 모델의 근사화와 일반화 능력을 분석한다.