PSO 기반 Hybrid PNN의 구조적 설계

본 논문에서는 RBFNN과 PNN을 결합한 새로운 구조인 Hybrid PNN을 제안한다. Hybrid PNN은 1층은 RBFNN, 2층 이상부터는 PNN으로 이루어져 있다. RBFNN에서 은닉층의 활성함수로써 Fuzzy C-Means 클러스터링 알고리즘을 사용하며 학습은 WLSE를 사용하고 각 로컬 출력을 다항식 형태로 확장한다. PNN에서는 RBFNN에서 추론된 로컬출력이 입력이 되며 각 노드의 학습은 LSE를 사용한다. 더 나아가 모델의 최적화를 위해 PSO 알고리즘을 사용하여 노드수, 퍼지화계수, 입력수와 종류 그리고 다항식차수를 동정한다. Boston Housing 데이터를 사용하여 제안된 모델의 성능을 평가한다.