Classification of Interval Vectors by Interval Neural Networks

구간 신경망에 의한 구간 벡터의 식별

This paper proposes a pattern classification method of interval vectors by interval neural networks. The proposed method can be applied to pattern classification where attribute values of each sample are given as interval numbers. First, an architecture of interval neural networks is proposed for dealing with interval input vectors. Next, a learning algorithm is derived from the cost function. a cost function is defined using the interval output from the interval neural network and the corresponding target output. Last, using numerical examples, the proposed approach is illustrated and compared with other approach based on the standard back-propagation neural networks.

본 논문에서는 구간 데이터 식별을 위한 구간 신경망의 학습 알고리즘을 제안한다. 제안된 기법은 각 데이터의 속성치가 구간으로 주어져 있는 경우의 패턴 식별 문제에 적용된다. 먼저, 구간 입력 벡터를 다루기 위한 구간 신경망의 구조를 제안하고, 평가 함수를 이용하여 학습 알고리즘을 도출한다. 평가 함수는 구간 신경 망으로부터의 구간 출력과 대응하는 목표 출력을 이용하여 정의된다. 마지막으로 컴퓨터 시뮬레이션에 의해 제안 기법의 구간 데이터 식별 능력을 나타내고, 통상의 역전파 신경망을 이용 기법과 비교한다.