신경망을 이용한 비정적 신호의 비선형 예측

Nonlinear Prediction of Nonstationary Signals using Neural Networks

신경망은 분산된 비선형 처리구조와 학습능력 때문에 높은 차수의 비선형 동특성 구현능력을 갖고 있으므로 비정적 신호에 대한 적응예측을 수행할 수 있다. 본 논문에서는 두 가지 방법 (비선형 모듈구조와 비선형과 선형모듈이 직렬로 연결된 예측구조)으로 비정적 신호의 비선형 예측을 다루고 있다. 완전 궤환된 리커런트 신경망과 기존의 TDL(tapped-delay-line) 필터가 비선형과 선형모듈로 각각 사용되었다. 제안된 예측기의 동특성은 카오스 시계열과 음성신호에 대해 시험하였으며, 예측성능의 상대적인 비교를 위해 기존의 ARMA(autoregressive moving average) 구조의 선형 예측모델과 비교하였다. 실험결과에 의하면 신경망을 이용한 적응 예측기는 선형 예측기보다 예측성능이 훨씬 우수하였으며, 특히 직렬구조의 예측기는 신호가 크게 변화하는 시계열의 예측에 효과적으로 사용할 수 있음을 확인하였다.

Neural networks, having highly nonlinear dynamics by virtue of the distributed nonlinearities and the learing ability, have the potential for the adaptive prediction of nonstationary signals. This paper describes the nonlinear prediction of these signals in two ways; using a nonlinear module and the cascade combination of nonlinear and linear modules. Fully-connected recurrent neural networks (RNNs) and a conventional tapped-delay-line (TDL) filter are used as the nonlinear and linear modules respectively. The dynamic behavior of the proposed predictors is demonstrated for chaotic time series adn speech signals. For the relative comparison of prediction performance, the proposed predictors are compared with a conventional ARMA linear prediction model. Experimental results show that the neural networks based adaptive predictor ourperforms the traditional linear scheme significantly. We also find that the cascade combination predictor is well suitable for the prediction of the time series which contain large variations of signal amplitude.