Pemilihan model Neural Network menggunakan metode Inferensia Statistik pada data Time Series

MARA, Muhlasah Novitasari, Prof.Drs. Subanar, Ph.D

2005 | Tesis | S2 Matematika

Terdapat banyak metode yang dapat digunakan dalam seleksi arsitektur model neural network terbaik, salah satunya adalah dengan menggunakan inferensia statistik. Informasi sifat-sifat parameter bobot seperti perilaku sampel besar, konsistensi, dan limit distribusi sangat diperlukan untuk melakukan uji hipotesa. Diketahuinya sifat asimtotik dari estimator parameter dapat digunakan untuk menentukan estimasi parameter sesuai atau tidak dengan restriksi yang ditentukan oleh hipotesa nol. Dengan ditentukan suatu fungsi parametrik f (X,wˆ ) yaitu fungsi hampiran dari fungsi sesungguhnya, dilakukan uji melawan non linieritas terabaikan (UMNT) untuk melihat apakah f (X,wˆ )bertambah baik dengan menambahkan parameter yang disebut unit phantom hidden. Setelah diperoleh banyak unit hidden yang optimal, dilakukan uji hipotesa dengan hipotesa nol input tidak relevan untuk mendapatkan banyak input optimal sehingga diperoleh arsitektur model neural network optimal yaitu hanya memuat parameter bobot yang relevan dan tidak redundant

There are many methods for optimal neural network selection, one of them is statistical inference. Statistical properties of weight like large sample behavior, consistency, and limiting distribution can be used to test hypotheses about w*. Known asymptotic properties of the parameter estimator can then be exploited to asses the extent to which parameter estimate do or do not accord with the restrictions specified by the null hypothesis. Consider parametric function f (x,wˆ ) approximation of real function. The next question is: can f (x,wˆ ) be improved by adding Q phantom unit hidden? The appropriate test on additional parameter are called test against neglected nonliniearities. On optimal unit hidden from the test before then we find optimal input. Using limiting mixed procedure hypotheses test we can choose optimal input, such that neural network architecture contain only relevant weight and no redundant inside.

Kata Kunci : Model Neural Network,Inferensia Statistik, Neural network selection model, statistical inference, test against neglected nonlinierities, phantom hidden