Адаптивний лінійний елемент (АДАЛІНА) - перша лінійна нейронна мережа, запропонована Уїдроу Б. і Хоффом М. Є., є альтернативою персептрону. Навчання АДАЛІНИ здійснюється за допомогою алгоритму Качмажа розв'язку систем лінійних алгебричних рівнянь. Цей алгоритм є оптимальним в сенсі швидкості збіжності однокроковим алгоритмом у припущеннях про лінійність і гауссовість сигналів, однак у разі порушення цих припущень він стає нестійким. Для забезпечення його робастності необхідно використовувати неквадратичні критерії, найбільш поширеними серед яких є комбіновані функціонали, запропоновані Хьюбером і Хемпелем. Однак ефективність їх застосування істотно залежить від численних параметрів, використовуваних в цих умовах та обираємих на основі досвіду дослідника. Результати численних досліджень свідчать про те, що за наявності в вимірах негауссівського, зокрема, імпульсного шуму, досить ефективним є підхід, в основі якого знаходяться інформаційні характеристики сигналів, а більш відповідним виявляється критерій, що враховує всі статистики сигналу помилки вищого порядку. Таким критерієм є критерій максимуму корентропії. Розглянуто багатокроковий алгоритм навчання (БКАН) АДАЛІНИ, що дає більш високу швидкість збіжності при використанні як критерію навчання інформаційного критерію корентропіі, що забезпечує робастність одержуваних оцінок. Мета роботи - дослідження властивостей БКАН АДАЛІНИ при виборі як критерію - критерію максимуму корентропії та розробка рекомендацій щодо його практичного застосування. Методи дослідження базуються на теорії ідентифікації. На їх основі досліджено властивості модифікованого багатокрокового алгоритму Качмажа. Визначено умови збіжності алгоритму та показано, що в сталому режимі одержувана оцінка є незміщеною. Отримані неасимптотичні та асимптотичні оцінки є досить загальними та залежать від статистичних характеристик сигналів і перешкод. Як показали результати досліджень, використання БКАН, прискорює процес побудови нейромережевої моделі. Визначено умови збіжності алгоритму при виборі критерію максимуму корентропіі. Показано, що в сталому режимі одержувана оцінка є незміщеною. Відзначено важливість вибору ширини Гауссова ядра, що впливає на швидкість збіжності алгоритмів оцінювання та помилку в сталому режимі, і вказано на доцільність розробки процедур адаптивної корекції ширини ядра.

 Наукова періодика України 

---

  Якщо, ви не знайшли інформацію про автора(ів) публікації, маєте бажання виправити або відобразити більш докладну інформацію про науковців України запрошуємо заповнити "Анкету науковця"