Kajian teoritik tentang beberapa implementasi inferensi statistik untuk pembentukan model FFNN pada pemodelan data time series

PIMPI, La, Prof.Drs. Subanar, Ph.D

2006 | Tesis | S2 Matematika

Terdapat banyak metode yang dapat digunakan dalam seleksi arsitektur neural network, salah satunya adalah dengan menggunakan statistik inferensi. Informasi sifat-sifat parameter bobot seperti perilaku sampel besar, konsistensi dan limit distribusi sangat diperlukan untuk melakukan uji hipotesa. Output network merupakan nilai prediksi variabel dependen y dan dapat ditulis sebagai f (x,w), selanjutnya fungsi ini diestimasi dengan fungsi parametrik f (x,wˆ ) yaitu fungsi hampiran dari fungsi sebenarnya. Untuk melihat apakah f (x,wˆ ) bertambah baik dengan menambahkan parameter yang disebut unit phantom hidden maka dilakukan uji lagrange multiplier (LM-test). Setelah diperoleh banyak unit hidden yang optimal dilakukan uji hipotesa nol input tidak relevan untuk mendapatkan input optimal sehingga diperoleh arsitektur neural network optimal yaitu hanya memuat parameter bobot yang relevan. Metode pruning yang termasuk dalam prosedur general-to-specific digunakan untuk memilih jumlah unit hidden yang optimal dimana ukuran dan topologi jaringan ditentukan dengan mereduksi ukuran jaringan dengan koefisien determinasi dan analisis grafik dari output jaringan untuk setiap sel hidden layer. Model neural network yang diperoleh dibandingkan model neural network yang lain dengan arsitektur berbeda, dengan menggunakan ukuran kekuratan AIC, BIC dan MSE.

There are a lot of method which can be used in selection architecture of neural network, one of them is by using statistical inference. Information is nature of weight parameter of like big behavior sample, consistency and limit distribution very needed to the hypothesizing test. The network outputs are the prediction value dependent variable y and can the written as f (x,w), there after this function is to the estimation by parametric function f (x,wˆ ) it is approximation of real function. To see what f (x,w) determinedly a function parametric that is function almost from function in fact. Done by of lagrange multiplier-test ( LM-test) to see whether become better by enhancing parameter of is so-called of phantom hidden unit. After obtained by a lot of optimal hidden unit done by a hypothesizing test of zero irrelevant input to get the optimal input is so that obtained by optimal architecture neural network that is only load the relevant weights parameter. The pruning method which is the included in procedure general-to-specific used to chosen the optimal unit hidden amount where size measure and topologic network determined with reducing size measure of network with the coefficient deterministic and analyze the graph from output network to each cell of hidden layer. Model the neural network obtained to be compared to by other model neural network with the architecture differ, by using size measure validitas of AIC, BIC And MSE.

Kata Kunci : Inferensi Statistik,Model FFNN,Data Time Series, statistical of inference, Lagrange Multiplier-test, neural network, AIC, BIC