회귀 신경망과 유한 상태 자동기계 동정화

A Class of Recurrent Neural Networks for the Identification of Finite State Automata

이 논문에서는 얼개가 새로운 회귀 신경망을 제안하고, 그 신경망이 어떤 이산 시간 동적 시스템도 동정화 할 수 있음을 보인다. 또한, 제안한 신경망을 써서 유한 상태 자동기계를 부호화, 동정화, 그리고 추출하는 데에 적용하여 그 성능을 살펴본다. 제안한 신경망에 고친 비용함수를 쓰고 혼합 그리디 모의 담금질 방법으로 학습시키면 유한 상태 자동기계를 동정화하는 성능이 일반적으로 다른 기법보다 더 낫다는 것을 모의실험으로 보인다.

A class of recurrent neural networks is proposed and proven to be capable of identifying any discrete-time dynamical system. The applications of the proposed network are addressed in the encoding, identification, and extraction of finite state automata. Simulation results show that the identification of finite state automata using the proposed network, trained by the hybrid greedy simulated annealing with a modified error function in the learning stage, exhibits generally better performance than other conventional identification schemes.