Parameter estimation and structure optimization of multilayer perceptron networks in nonlinear system identification
Project goals
System identification represents approach for mathematical modelling based on experimental data. Since nineties, the neural networks achieve to identification of nonlinear stochastic systems due totheir ability to approximate continuous nonlinear functions arbitrary well. Most considerable are multilayer perceptron networks. Application of these networks contains nonlinear parameterestimation problem related to their nonlinear structure. The aim of the research is the development of nonlinear parameterestimation methods providing conditional probability density functions suitable for the estimation of the multilayer perceptronnetworks. Possibility of usage of obtained probability densities for structure optimization of the network. Further, exploitation of multilayer perceptron networks in fault detection and isolationtask will be investigated.
Keywords
System identificationnonlinear systemmultilayer perceptron networknonlinear estimationfault
Public support
Provider
Czech Science Foundation
Programme
Post-graduate (doctorate) grants
Call for proposals
Postdoktorandské granty 6 (SGA02006GA1PD)
Main participants
—
Contest type
VS - Public tender
Contract ID
102/06/P202
Alternative language
Project name in Czech
Odhad parametrů a optimalizace struktury perceptronových sítí v úloze identifikace nelineárních systémů
Annotation in Czech
Identifikace systémů představuje přístup k vytváření matematických modelů založený na využívání experimentálních dat. Od počátku devadesátých let se v oblasti identifikace nelineárních systémůprosazují neuronové sítě pro jejich schopnost aproximovat spojité nelineární funkce s libovolnou přesností. Nejvýznamnější skupinu představují vícevrstvé perceptronové sítě. Aplikace těchto sítívšak přináší problémy souvisejících s jejich nelineární strukturou. Nejasné jsou především volba vhodné estimační metodypro odhad parametrů sítě, stanovení vhodného počtu neuronů aspecifikace jejich propojení. Cílem výzkumu bude zkoumání, aplikace a rozvoj rekurzivních nelineárních estimačních metod poskytujících podmíněnou hustotu pravděpodobnosti parametrů vícevrstvé perceptronové sítě. Možnosti využití získaných hustot pravděpodobnosti budou zkoumány také pro adaptivní optimalizaci struktury sítě. Dále bude zkoumána možnost využití perceptronových sítí v úlohách detekce chyb a rozhodování.
Scientific branches
Completed project evaluation
Provider evaluation
U - Uspěl podle zadání (s publikovanými či patentovanými výsledky atd.)
Project results evaluation
The following results were attained in the field of nonlinear system identification using neural networks: A suitable nonlinear filtering approach providing probability density functions of multilayer perceptron network parameter estimates was determined
Solution timeline
Realization period - beginning
Jan 1, 2006
Realization period - end
Dec 31, 2008
Project status
U - Finished project
Latest support payment
Apr 25, 2008
Data delivery to CEP
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data delivery code
CEP09-GA0-GP-U/03:3
Data delivery date
Jan 22, 2015
Finance
Total approved costs
1,178 thou. CZK
Public financial support
1,178 thou. CZK
Other public sources
0 thou. CZK
Non public and foreign sources
0 thou. CZK
Basic information
Recognised costs
1 178 CZK thou.
Public support
1 178 CZK thou.
100%
Provider
Czech Science Foundation
CEP
BB - Applied statistics, operational research
Solution period
01. 01. 2006 - 31. 12. 2008