予測誤差評価基準にAICを用いる改良形GMDH-typeニユーラノレネットワークァノレゴリズム

摘要

本研究では、予測誤差評価基準にAIC（Akaike's Information Criterion）を用いる改良形Group Method of Data Handking(GMDH)-typeニューラルネットワークアルゴリズムを提案する。本アルゴリズムでは、ニューロン構造を、シグモイド関数型、ラジアルベース関数型、多項式型の中から自己選択する能力を備えている。さらに、予測誤差評価基準を用いてフィードバックループの計算回数、中間層のニューロンの個数、有益な入力変数などの構造パラメータを自己選択できる。また、フィードバック計算を行うことにより、対象となる非線形システムの複雑さに適したネットワーク構造を自己組織化できる。このアルゴリズムを非線形システム同定問題に応用しその有効性を確認する。%In this study, a revised Group Method of Data Handling (GMDH)-type neural network algorithm using prediction error criterion defined as AIC, is proposed. In this algorithm, the optimum neural network architecture is automatically selected from three types of neural network architectures such as sigmoid function type neural network, radial basis function (RBF) type neural network and polynomial type neural network. Furthermore, the structural parameters such as the number of feedback loops, the number of neurons in the hidden layers and useful input variables are automatically selected so as to minimize the prediction error criterion defined as Akaike's Information Criterion (AIC). Feedback GMDH-type neural network has a feedback loop and the complexity of the neural network increases gradually using feedback loop calculations so as to fit the complexity of the nonlinear system. This algorithm is applied to identification problem of the complex nonlinear system.