Adaptive Learning of Polynomial Networks, Fachbücher von Hitoshi Iba, Nikolay Nikolaev

"Adaptive Learning of Polynomial Networks" ist ein Fachbuch, das sowohl theoretische als auch praktische Kenntnisse zur Entwicklung von Algorithmen bietet, die lineare und nichtlineare Modelle ableiten. Es präsentiert eine Methodologie für das induktive Lernen von polynomialen neuronalen Netzwerkmodellen aus Daten. Die Gestaltung solcher Werkzeuge trägt zu einer verbesserten statistischen Datenmodellierung bei, insbesondere in Bereichen wie Systemidentifikation, chaotische Zeitreihenprognose, Finanzprognosen und Datenanalyse. Der Autor argumentiert, dass der Prozess der Modellerkennung mehrere gleichwertige Schritte umfasst: die Bestimmung der Modellstruktur, die Schätzung der Modellgewichtparameter und die Feinabstimmung dieser Gewichte in Bezug auf die zugrunde liegenden Annahmen über die Datenverteilung. Durch die strukturierte Organisation des Lernprozesses können Modelle entdeckt werden, die gut generalisieren und präzise Vorhersagen treffen. Das Buch bietet Statistiker:innen eine neue Perspektive, indem es den Fokus von Standardmodellen auf hochgradig nichtlineare Modelle lenkt, die durch moderne Lernansätze identifiziert werden können. Es behandelt auch alternative probabilistische Suchalgorithmen und Techniken zur Identifizierung genauer polynomialer Gewichte.