신경회로망에 의한 구간 벡터의 비선형 사상

Nonlinear mappings of interval vectors by neural networks

본 연구에서는 구간 벡터의 비선형 사상의 근사를 행하기 위한 4가지 신경회로망의 학습 알고리즘을 제안한다. 제안된 방법에 있어서, 신경회로망의 학습에 이용되는 입출력 데이터 쌓은 구간으로 구성되어 있다. 첫번째 방법은 전처리된 학습용 데이터 상을 통상의 역전파 알고리즘에 직접 응용하는 것이고, 두번째 방법은 두 개의 역전파 알고리즘을 이용하는 것이다. 세번째 방법은 구간 입출력 데이터를 처리할 수 있는 역전파 알고리즘으로 확장한 것이다. 마지막 방법은 구간 결합강도 및 구간 역치를 가진 신경회로망으로 확장한 것이다. 제안된 이 방법들은 컴퓨터 시뮬레이션에 의해 서로 비교 평가된다.

This paper proposes four approaches for approximately realizing nonlinear mappling of interval vectors by neural networks. In the proposed approaches, training data for the learning of neural networks are the paris of interval input vectors and interval target output vectors. The first approach is a direct application of the standard BP (Back-Propagation) algorithm with a pre-processed training data. The second approach is an application of the two BP algorithms. The third approach is an extension of the BP algorithm to the case of interval input-output data. The last approach is an extension of the third approach to neural network with interval weights and interval biases. These approaches are compared with one another by computer simulations.