입자군집 알고리즘 기반 다항식 뉴럴네트워크 연구

국문 초록 (Abstract)

본 연구에서는 최적 탐색 알고리즘인 입자군집최적화(Particle Swarm Optimization; PSO) 알고리즘을 이용하여 다항식 뉴럴네트워크(Polynomial Neural Network; PNN)의 최적 설계가 그 목적이다. PSO는 자연선택의 진화 메카니즘이 아닌 새 떼와 같은 생체군집의 사회적 행동양식을 바탕으로 한다. 기존의 PNN은 확장된 GMDH(Group Method of Data Handling) 방법에 기반을 두며, 네트워크의 성장과정을 통하여 각 층의 다항식 뉴런에서 미리 설정된 노드입력 및 입력 개수뿐만 아니라 다항식 차수를 이용하였다. 그러나 파라미터-즉, 입력변수의 개수, 입력변수, 및 다항식 차수-가 정해져 있다 보니 다양한 조건의 수행에 한계가 있다. 제안된 모델은 PSO를 이용하여 위 파라미터를 선택 동조함으로써 구조적으로 더 최적화된 네트워크가 되도록 한다. 또한 다른 지능모델보다 더 우수한 예측능력뿐만 아니라 높은 정확성을 가진 모델임을 보인다.

목차 (Table of Contents)

• 요약
• 1. 서론
• 2. PSO-based 다항식 뉴럴 네트워크
• 3. 최적 다항식 뉴럴네트워크
• 4. 시뮬레이션 및 결과 고찰
• 5. 결론
• 참고문헌