Modelowanie neuronowe procesów technicznych z zastosowaniem inżynierii chaosu

Artykuł dotyczy problemu modelowania neuronowego z zastosowaniem inżynierii chaosu. Główna część pracy poświęcona jest lokalnie rekurencyjnej globalnie jednokierunkowej sieci neuronowej zbudowanej z jednostek przetwarzających, dla których możliwe jest uzyskanie zachowania chaotycznego. Inżynieria chaosu wykorzystana jest w algorytmie ewolucyjnym w celu poprawy efektywności procesu uczącego. Problem wyboru wejść istotnych modelu rozwiązano, modyfikując metodę Z. Hellwiga. Izolinie kryterialne oraz wybrane metody wrażliwościowe zastosowano do poszukiwania optymalnej struktury sieci. W celu przedstawienia zalet i ograniczeń proponowanego podejścia przedstawiono wyniki modelowania neuronowego z wykorzystaniem danych zgromadzonych na obiekcie rzeczywistym.

---

The paper deals with the problem of neural modeling with the use of chaos engineering. The main part of the paper is focused on a locally recurrent neural network that is composed of complex dynamic neural units for which chaotic behaviour can be obtained. Chaos engineering is incorporated into the evolutionary algorithm in order to improve the efficiency of the tuning procedure. The problem of relevant inputs selection is solved by means of the method of extended Hellwig's coefficient of integral capacity of information. Criteria isolines and some sensitive methods are used to find the suitable architecture of a network. The merits and limitations of the proposed approach is illustrated using real-world data.