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