プロセス故障を分類するための放射基底関数ネットワーク

特定の条件下では、バックプロパゲーションネットワーク分類器が直感に反する非ロバストな決定面を生成することが示されています。これは、シグモイド転送関数の本質的な性質、トレーニングセットの定義、およびトレーニングに使用される誤差関数に起因しています。バックプロパゲーションネットワークには、既知のクラスに属さない領域を特定するためのメカニズムが標準的なトレーニングスキームに存在しません。放射基底関数ネットワークは、ガウス密度関数に基づく非単調転送関数を使用することで、これらの困難を克服します。ロバストな決定面を生成する一方で、放射基底関数はテストケースが元のトレーニングデータにどれだけ近いかの推定を提供し、分類器がテストケースが潜在的に新しいクラスを表す可能性があることを示すことを可能にします。このような振る舞いが重要な応用、例えば故障診断において、放射基底関数ネットワークはバックプロパゲーションネットワークに対して明確な利点を提供することが示されています。また、放射基底関数は2層のトレーニングが分離されているため、トレーニングがより速くなります。