Робастная многокритериальная идентификация нелинейных объектов на основе эволюционирующих радиально-базисных сетей

Abstract

Розглянуто задачу багатокритеріальної нейромережевої ідентифікації нелінійного об’єкта на основі еволюціонуючої радіально-базисної мережі, вибір структури якої та її адаптація здійснюються за допомогою генетичного алгоритму. Для усунення негаусівських завад використовуються робастні фітнес-функції, а для вибору оптимальної моделі з фронту Парето — робастні інформаційні критерії. Наведено результати імітаційного моделювання, які підтверджують ефективність підходу, що розвивається.

The problem of multiobjective neural network-based identification of nonlinear objects by evolving radial basis network is considered. Networks’s structure selection and adaptation is performed using a genetic algorithm. Robust fitness functions are used to eliminate non-Gaussian noise. Robust information criteria are utilized for selection of the optimal model from the Pareto front. The simulation results confirm the effectiveness of the proposed approach.