Método de agrupamiento para el manejo de datos
Los algoritmos GMDH están caracterizados por el procedimiento inductivo que realiza un ordenamiento de modelos polinómicos gradualmente complicados y selecciona la solución mejor mediante el tan nombrado criterio externo.
Los algoritmos GMDH gradualmente aumentan el número de componentes del modelo parcial y encuentran una estructura del modelo con complejidad óptima indicada por el valor mínimo de un criterio externo.
La función base más popular utilizada en GMDH es el polinomio gradualmente complicado de Kolmogorov-Gabor (2): Los modelos resultantes son también conocidos como redes neuronales polinómicas.
Más tarde, científicos japoneses y polacos publicaron diferentes variantes de GMDH.
La alta exactitud de predicción con la nueva aproximación fue un estímulo para los investigadores.
El criterio describe los requisitos del modelo, por ejemplo minimización de mínimos cuadrados.
El primer orden de consideración utilizado en GMDH y originalmente llamado procedimiento inductivo multicapa es el más popular.
El mejor modelo está indicado por el mínimo de la característica del criterio externo.
Otra importante aproximación en consideración a los modelos parciales cada vez más popular es una búsqueda combinatoria de fuerza bruta que puede ser tanto limitada o completa.
El algoritmo combinatorio básico tiene los pasos siguientes: En contraste a las redes neuronales tipo-GMDH, el algoritmo Combinatorio no puede pararse en un nivel de complejidad seguro ya que in punto de incremento del valor del criterio puede ser simplemente un mínimo local, ver Fig.1.
