RBFニューラルネットワークモデリングのための同時部分空間幅最適化手法

ラジアル基底関数ニューラルネットワーク（RBFNN）は、非線形関数の近似に広く使用されています。RBFNNモデリングにおける課題の1つは、近似精度を向上させるために幅パラメータを効果的に最適化する方法を決定することです。この問題を解決するために、分解と調整戦略に基づく同時部分空間幅最適化（CSWO）手法が提案されています。この手法は、大規模な幅最適化問題をいくつかの部分空間最適化（SSO）問題に分解し、それぞれが単一の最適化変数とより小さいトレーニングおよび検証データセットを持つため、最適化の複雑さを大幅に簡素化します。これらのSSOは同時に解決できるため、計算時間を効果的に短縮できます。トップレベルのシステム調整により、SSOの最適化は一貫した最適解に収束することができ、これは元の幅最適化問題の最適解に相当します。提案された手法は、4つの数学的例と1つの実際の工学的近似問題でテストされました。結果は、従来の幅最適化手法に対するCSWOの幅パラメータ最適化の効率性と堅牢性を示しています。