×
埃泽基尔·洛佩斯·鲁比奥;何塞·穆尼奥斯·佩雷斯;何塞·安东尼奥·戈梅斯·鲁伊斯

主成分分析自组织映射。 （英语） Zbl 1121.68381号

神经网络。 17，第2期，261-270（2004）.
摘要：我们提出了一种新的自组织神经模型，用于进行主成分分析。它也与自适应子空间自组织映射（ASSOM）网络有关，但其训练方程更简单。实验结果表明，新模型的性能优于ASSOM网络。

引用于1文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
68周05 非数值算法

关键词：

自我组织;自适应子空间自组织映射;主成分分析;竞争性学习;无监督学习;地形图;模式识别;语音处理

软件：

UCI-毫升
PDF格式BibTeX公司 XML格式引用
\textit{E.López-Rubio}等人，神经网络。17，第2号，261--270（2004；Zbl 1121.68381）
全文： DOI程序

参考文献：

[1] 负荷，R.L。；Faires，J.D.，数值分析（1993），PWS-Kent出版公司：PWS-Kett出版公司，马萨诸塞州波士顿·Zbl 0788.65001号
[2] 德萨，V.R。；Ballard，D.H.，通过多模态感知进行分类学习，神经计算，10，5，1097-1117（1998）
[3] 弗莱瑞特，F。；Brunet，E.，《数据包络分析：目标规划和分类的架构》，神经计算，1987-2008年第12、9期（2000年）
[4] Friedman，J.H.，探索性投影追求，《美国统计协会杂志》，82397249-266（1987）·Zbl 0664.62060号
[5] Fukushima，K.，移位感受野的自组织，神经网络，12，6，791-802（1999）
[6] Higuchi，I。；Eguchi，S.，用自组织规则进行主成分分析的影响函数，神经计算，10，6，1435-1444（1998）
[7] Hyvarinen，A.，独立成分分析调查，神经计算调查，294-128（1999）
[8] Kohonen，T.，《自组织映射》，IEEE学报，781464-1480（1990）
[9] Kohonen，T.，自适应子空间SOM（ASSOM）及其在实现不变特征检测中的应用，（Fogelman-Soulié，F.；Galniari，P.，ICANN’95会议论文集，人工神经网络国际会议，巴黎：EC2和Cie，第1卷（1995）），3-10
[10] Kohonen，T.，自适应子空间SOM中不变量特征检测器的出现，生物控制论，75，281-291（1996）·Zbl 0861.92001号
[11] Kohonen，T。；Kaski，S。；Lappalainen，H.，自适应子空间SOM中各种不变量特征滤波器的自组织形成，神经计算，9，6，1321-1344（1997）
[12] Lewicki，M.S。；Sejnowski，T.J.，《学习过完备表示法》，神经计算，12，2，337-365（2000）
[13] Likas，A.，在线聚类的强化学习方法，神经计算，11，8，1915-1932（1999）
[14] Murphy，P.M（2001）。机器学习数据库和领域理论的UCI知识库[在线]。可用：网址：http://www.ics.uci.edu/（mlearn/MLRepository.html。访问日期：2001年3月；Murphy，P.M（2001）。机器学习数据库和领域理论的UCI知识库[在线]。可用：网址：http://www.ics.uci.edu/（mlearn/MLRepository.html。访问日期：2001年3月。
[15] Oja，E.，主成分、副成分和线性神经网络，神经网络，5927-935（1992）
[16] Okajima，K.，由相互信息最大化导出的二维Gabor型感受野，神经网络，11，3，441-447（1998）
[17] Okajima，K.，Gabor函数从输入本地信号中提取最大信息，神经网络，11，3，435-439（1998）
[18] Ruiz del Solar，J.，TEXSOM：使用自组织映射的纹理分割，神经计算，21，1-3，7-18（1998）·Zbl 0917.68176号
[19] Ruiz del Solar，J。；Köppen，M.，基于自动生成定向过滤器的纹理分割体系结构，微电子系统集成杂志，5，1，43-52（1997）
[20] Subba Reddy，N.V。；Nagabhushan，P.，无约束手写数字识别的三维神经网络模型：一种新方法，模式识别，31511-516（1998）
[21] Van Hulle，M.M.，地形图的忠实表示，神经网络，12，6，803-823（1999）
[22] 徐，L。；Kryzyzak，A。；Oja，E.，Rival惩罚竞争学习的聚类分析、RBF网络和曲线检测，IEEE神经网络学报，4，4，636-649（1993）
[23] 张，B。；Fu，M。；严，H。；Jabri，M.A.，通过自适应子空间自组织映射（ASSOM）进行手写数字识别，IEEE神经网络汇刊，10，4，939-945（1999）
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。