Ye，M。;易，Z。;Tan，K.K。 一种鲁棒且全局收敛的PCA学习算法。 （英文） Zbl 1337.93108号 控制智能。系统。 35，第2期，119-125（2007）. 摘要：使用神经网络的主成分分析（PCA）是一个活跃的研究领域，在信号处理和数据分析中有许多应用。本文提出了一种具有新型学习算法的PCA神经网络，并分析了其特点。由于基本离散时间Oja的PCA神经网络不具有全局收敛性，因此必须推导出一种鲁棒且全局收敛的PCA学习算法。本文在前人对全局收敛PCA学习算法研究的基础上，提出了一种鲁棒且全局收敛的PCA学习方法。本文直接研究了这种离散时间学习算法的行为。我们证明了该算法的鲁棒性和全局收敛性。还将详细讨论该算法的参数选择。最后，给出了仿真结果以验证理论结果。与其他PCA学习算法相比，该算法在鲁棒稳定性、全局收敛性、速度和准确性方面表现出良好的性能。 MSC公司： 93E35型 随机学习与自适应控制 93B35型 灵敏度（稳健性） 92B20型 生物研究、人工生命和相关主题中的神经网络 关键词：主成分分析;神经网络;特征向量;特征提取 PDF格式BibTeX公司 XML格式引用 \textit｛M.Ye｝等人，Control Intell。系统。35，第2号，119--125（2007；Zbl 1337.93108） 全文： 内政部