Gaussian Sum Approach with Optimal Experiment Design for Neural Network

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F07%3A00000045" target="_blank" >RIV/49777513:23520/07:00000045 - isvavai.cz</a>

Alternative codes found

RIV/49777513:23520/07:00000046

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Gaussian Sum Approach with Optimal Experiment Design for Neural Network

Original language description

Design of optimal input signal for system modeled by multi-layer perceptron network is treated. Because the true system is unknown, the design can be constructed only from the actually obtained model. However, neural networks with the same structure differing only in parameters values are able to approximate various nonlinear mappings therefore it is crucial maximally to use available informations to select suitable input data. Hence a global estimation method allowing to determine conditional probability density functions of network parameters will be used. The Gaussian sum approach based on approximation of arbitrary probability density function by a sum of normal distributions seems to be suitable to use. This approach is a less computationally demanding alternative to the sequential Monte Carlo methods and gives better results than the commonly used prediction error methods. The properties of the proposed experimental design are demonstrated in a numerical example.

Czech name

Metoda Gaussových směsí při návrhu optimálního vstupního signálu neuronové sítě

Czech description

Článek se zabývá návrhem optimálního vstupního signálu v úloze identifikace nelineárního stochastického systému neuronovou sítí. Vstupní signál je navržen na základě aktuálně získaného modelu. Klíčovou úlohu proto hraje vhodná metoda odhadu parametrů. Navržená metoda generování vstupního signálu využívá podmíněných hustot pravděpodobnosti parametrů místo běžně užívaných bodových odhadů. Z tohoto důvodu byla k odhadu parametrů sítě použita globální metoda Gaussových směsí. Navržená metoda umožňuje lépe poznat identifikovaný systém, než pokud by byly použity stávající metody návrhu vstupního signálu.

Type

D - Article in proceedings

CEP classification

BB - Applied statistics, operational research

OECD FORD branch

—

Project

Result was created during the realization of more than one project. More information in the Projects tab.

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Publication year

2007

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Article name in the collection

Proceedings of the Ninth IASTED International Conference on Signal and Image Processing

ISBN

978-0-88986-676-8

ISSN

—

e-ISSN

—

Number of pages

6

Pages from-to

425-430

Publisher name

ACTA Press

Place of publication

Honolulu

Event location

Honolulu

Event date

Jan 1, 2007

Type of event by nationality

WRD - Celosvětová akce

UT code for WoS article

—