Radial Basis Functions Networks Decision Feedback Equalizer with Competitive Learning

경쟁학습을 갖는 Radial Basis Function Networks 결정 궤한 등화기

본 논문에서는 Bayesian 결정 이론을 이용한 기존의 Radial Basis Function Networks 이되는 출력층에서 선형 조합되는 것과는 다른 형태의 방법을 제안하고자 한다. 제안하고자 하는 방법은 은닉층의 출력값과 가중치와의 곱해진 값이 출력층의 입력으로 들어오는데 이들 입력신호를 경쟁을 통하여 가장 큰 값만을 출력신호 인정하는 방법이다. 이런 경우에 파라미터 갱신을 할 때도 모든 가중치를 다 갱신하는 것이 아니라 출력되는 은닉층에 연결된 가중치만을 갱신하게된다. 이렇게 할 경우 계산량 감소뿐만 아니라 학습시간을 단축할 수 있다는 장점이 있다. 그리고 제안한 방법을 이용할 경우 비선형 분류문제에서도 우수한 성능결과를 확인 할 수 있었으며 기존의 RBFN rhk Wiener Filter와 성능을 비교하였다.