A growing and pruning sequential learning algorithm of hyper basis function neural network for function approximation

Machine learning of radial basis function neural network based on Kalman filter: Implementation

“…Pomoću ovih skupova za proveru algoritama mašinskog učenja proveravaju se konvergencija, tačnost i preciznost novih algoritama [1], [2], [3]. Na ovaj način se novi algoritmi mogu direktno uporediti sa postojećim algoritmima koji su dobro poznati naučnoj zajednici.…”

“…Mogućnosti inženjerske primene veštačkih neuronskih mreža sa radijalnim aktivacionim funkcijama Gausovog tipa protežu se od aproksimacije funkcionalnih zavisnosti, klasifikacije ulaznih podataka, procesiranja signala, identifikacije sistema do modeliranja procesa [1], [2], [3], [5]. U tom smislu, važno je još jednom naglasiti prednosti razvijenih algoritama mašinskog učenja, ali i navesti nedostatke.…”

“…promene broja neurona) tokom trajanja učenja (u on line režimu) [2], [6], [9]. Ovakva sposobnost adaptacije bi značajno doprinela smanjenju broja parametara potrebnih za kodiranje ulazne informacije, a time i povećanju brzine učenja.…”

“…Ovakva sposobnost adaptacije bi značajno doprinela smanjenju broja parametara potrebnih za kodiranje ulazne informacije, a time i povećanju brzine učenja. U tom smislu, autori su već preduzeli odgovarajuće korak i u referenci [2] je uvedena i analizirana veštačka neuronska mreža za aproksimaciju funkcija čije aktivacione funkcije predstavljaju uopštenje Gausove funkcije.…”

“…Za detaljne informacije u vezi samog modela veštačke neuronske mreže i njene primene za aproksimaciju funkcija i identifikaciju nelinearnih sistema čitalac se upućuje na referencu [2].…”