×
孔祥玉;安秋生;马红光;韩崇钊;张琪

PCA和MCA统一自稳定算法的确定性离散时间系统的收敛性分析。 （英语） 兹比尔1258.68116

神经网络。 36, 64-72 (2012).
摘要：主成分和副成分分析的统一算法可以用于提取主成分，如果仅通过符号进行更改，它也可以用作副成分提取器。显然，这些算法的收敛性是实际应用中的一个重要问题。通过一个相应的确定性离散时间（DDT）系统，研究了统一PCA和MCA算法的收敛性，得到了保证收敛的一些充分条件。进行了仿真以进一步说明所获得的理论结果。

MSC公司：

68T05型 人工智能中的学习和自适应系统
68吨10 模式识别、语音识别
62H25个 因子分析和主成分；对应分析

关键词：

确定性离散时间（DDT）系统;特征提取;次要成分分析;神经网络;主成分分析
PDF格式BibTeX公司 XML格式引用
\textit{X.Kong}等人，神经网络。36、64-72（2012年；Zbl 1258.68116）
全文： DOI程序

参考文献：

[1] Bannour，S。；Azimi-Sadjadi，S.，使用递归最小二乘学习提取主成分，IEEE神经网络汇刊，6，2，457-469（1995）
[2] Chen，T。；Amari，S.，《主成分和次要成分提取的统一稳定方法》，神经网络，14，1377-1387（2001）
[3] Cichocki，A。；Kasprzak，W。；Skarbek，W.，部分数据主成分分析的自适应学习算法，控制论系统，21014-1019（1996）
[4] 西兰西酮，G。；西兰西酮，M。；Herault，J。；Huffel，S.Van。，用于次要成分分析的MCA EXIN神经元，IEEE神经网络汇刊，13，1，160-187（2002）
[5] 南卡罗来纳州道格拉斯。；Kung，S.Y。；Amari，S.，《自稳定子空间规则》，IEEE信号处理快报，5，12，328-330（2002），1342-1352
[6] 冯·D·Z。；包，Z。；Jiao，L.C.，总最小均方算法，IEEE信号处理汇刊，46，6，2122-2130（1998）
[7] 冯·D·Z。；郑伟新。；Jia，Y.，高维数据流中跟踪子空间的神经网络学习算法，IEEE神经网络汇刊，16，3，513-521（2005）
[8] Hasan，2007年文学硕士。用于次要成分和主要成分提取的自归一化双重系统。在IEEE国际会议第4卷; Hasan，2007年文学硕士。用于次要成分和主要成分提取的自归一化双重系统。在IEEE国际会议第4卷
[9] Kong，X.Y。；胡，C.H。；Han，C.Z.，关于一类自稳定mca提取算法的离散时间动力学，IEEE神经网络汇刊，21，1，175-181（2010）
[10] 香港，X.Y。；胡，C.H。；Han，C.Z.，高维数据流中的自稳定MSA算法，神经网络，23，7，865-871（2010）·Zbl 1396.68096号
[11] Kong，X.Y。；胡春华。；Han，C.Z.，双用途主子空间和次子空间梯度流，IEEE信号处理汇刊，60，1，197-210（2012）·Zbl 1393.94306号
[12] Kung，S。；Diamantaras，K。；Taur，J.，自适应主成分提取（APEX）及其应用，IEEE信号处理学报，42，5，1202-1217（1994）
[13] 库什纳，H.J。；Clark，D.S.，约束和无约束系统的随机近似方法（1976），Springer-Verlag:Springer-Verlag纽约
[14] Ljung，L.，递归随机算法分析，IEEE自动控制事务，AC-22,4551-575（1977）·Zbl 0362.93031号
[15] 罗，F.L。；Unbehauen，R.，《子空间分析算法》，IEEE神经网络学报，8，5，1149-1155（1997）
[16] Lv，J.C。；Zhang，Y。；Tan，K.K.，通过确定性离散时间系统方法对Xu的LMSER学习算法的收敛性分析，神经计算，70362-372（2006）
[17] Mao，Y。；范，X。；Li，X.，一类自稳定MCA学习算法，IEEE神经网络汇刊，17，6，1634-1638（2006）
[18] Möller，R.，《小成分分析的自稳定学习规则》，《国际神经系统杂志》，14，1-8（2004）
[19] Möller，R。；Könies，A.，耦合主成分分析，IEEE神经网络汇刊，15，1，214-222（2004）
[20] Oja，E.，作为主成分分析仪的简化神经元模式，《数学生物学杂志》，第15期，第167-273页（1982年）·Zbl 0488.92012号
[21] Oja，E.，主成分、次成分和线性神经网络，神经网络，5，6，927-935（1992）
[22] 欧阳，S。；包，Z。；Liao，G.S.，用于主成分分析的稳健递归最小二乘学习算法，IEEE神经网络汇刊，11，1，215-221（2000）
[23] 欧阳，S。；包，Z。；Liao，G.S。；Ching，P.C.，模块化结构的自适应小分量提取，IEEE信号处理汇刊，49，9，2127-2137（2001）
[24] 彭，D.Z。；Zhang，Y。；Xiang，Y.，关于自稳定MCA学习算法的离散时间动力学，数学与计算机建模，47903-916（2008）·Zbl 1144.37471号
[25] 彭，D.Z。；Zhang，Y。；Xiang，Y.，提取主分量和次分量的统一学习算法，数字信号处理，19640-649（2009）
[26] 桑格，T.D.，单层线性前馈神经网络中的最优无监督学习，神经网络，2459-473（1989）
[27] Xu，L.，自组织神经网络的最小均方误差重建原理，神经网络，6627-648（1993）
[28] 徐，L。；Oja，E。；Suen，C.，曲线和曲面拟合的改进Hebbian学习，神经网络，5441-457（1992）
[29] Yu，X。；埃芬德，M.O。；Kaynak，O.，前馈神经网络学习的通用反向传播算法，IEEE神经网络汇刊，13，5，251-254（2002）
[30] 于伟（Yu，W.）。；波兹尼亚克，A.S。；Li，X.，用于非线性系统在线识别的乘法器动态神经网络，国际控制杂志，74，181859-1864（2001）·Zbl 1016.93019号
[31] Zhang，Q.，关于PCA学习算法的离散时间动力学，神经计算，55761-769（2003）
[32] 张，Q。；Leung，Y.-W.，一类用于主成分分析和次成分分析的学习算法，IEEE神经网络汇刊，11，2，529-533（2000）
[33] 张毅；毛，叶；Lv，J.C。；Tan，K.K.，Oja PCA学习算法的确定离散时间系统的收敛性分析，IEEE神经网络汇刊，16，6，1318-1328（2005）
[34] Zufiria，P.J.，关于基本Hebbian神经网络节点的离散时间动态，IEEE神经网络汇刊，13，6，1252-1342（2002）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。