Identifikation nichtlinearer mechatronischer Systeme mit ...

22 2 Statische und dynamische Neuronale Netze
2.4.2 Jordan-Netzwerk
M.I. Jordan stellt in [Jordan, 1986] das nach ihm benannte Jordan-Netz vor.
Hierbei wird die Netzarchitektur einfacher Feedforward-Netze um Kontextzellen erweitert,
die zur Speicherung der Ausgabe dienen. Im Gegensatz zu einem TDNN
werden die gespeicherten Ausgaben nicht an die Eingabe-Neuronen des Feedforward-
Netzes zurückgekoppelt, sondern direkt an die versteckte Schicht. Außerdem besitzen
die Kontextzellen direkte Rückkopplungen der Stärke λ, welche nicht trainierbar ist.
Damit gehört das Jordan-Netz zur Klasse der rekurrenten Netze mit interner Dynamik.
Die prinzipielle Struktur eines Jordan-Netzes ist in Abbildung 2.13 dargestellt.
Abb. 2.13: Architektur eines Jordan-Netzwerkes
Jordan hat gezeigt, dass mit diesem Modell mit einem festen Eingabewert eine ganze
Ausgabesequenz assoziiert werden kann, so dass das Netzwerk bei gleichbleibender
Eingabe die ganze Sequenz Schritt für Schritt generieren kann. Ein Jordan-Netz ist
auch in der Lage, mit verschiedenen festen Eingabevektoren verschiedene Ausgabesequenzen
zu assoziieren.
Problematisch bei diesem Modell ist allerdings, dass für viele Probleme einerseits
ein kleiner Wert von λ benötigt wird, um flexibel auf neue Änderungen zu reagieren,
andererseits aber auch ein großer Wert für λ nahe bei 1.0 erwünscht ist, um länger
zurückliegende Ausgaben berücksichtigen zu können.