A special type of recurrent neural networks is the Elman network. Feedforward connections of the Elman network can be trained essentially as feedforward networks by means of the simple backpropagation algorithm, their feedback connections have to be kept constant. It is important to select correct values for the feedback connections for the training to convergence. However, finding these values can be a lengthy trial-and-error process. This paper describes the use of simulated annealing (SA) algorithm to train the Elman network for dynamic systems identification. The SA algorithm is an efficient random search procedure which can simultaneously obtain the optimal weight values of all connections.
Elman ağı geribeslemeli yapay sinir ağlarının özel bir türüdür. Elman ağının ileribesleme bağlantıları, ileribeslemeli ağlar gibi yalın geriyayılım algoritması ile eğitilmekte, geribesleme bağlantıları ise sabit kalmaktadır. Geribesleme bağlantılarının uygun değerlerde seçilmesi, eğitmenin başarısı için önemlidir. Ancak, bu değerlerin belirlenmesi uzunca bir deneme yanılma işlemiyle olabilmektedir. Bu çalışmada, Simulated annealing (SA) algoritmasının, dinamik sistemlerin kimliklendirilmesi amacıyla Elman ağının eğitilmesi için kullanılması tanımlanmıştır. SA algoritması, tüm bağlantıların optimal ağırlık değerlerini sağlayabilecek, etkili bir rasgele araştırma algoritmasıdır.
