×

非线性动态空间模型的无监督集成学习方法。 (英语) Zbl 1057.68094

摘要:介绍了一种贝叶斯集成学习方法,用于无监督地从噪声数据中提取动态过程。假设数据由未知因素的非线性映射生成。采用非线性状态空间模型对影响因素的动态特性进行建模。模型中的非线性映射用多层感知器网络表示。该方法计算量大,但与其他现有方法相比,它允许使用更高维的非线性潜变量模型。对混沌数据的实验表明,该方法能够盲目估计产生数据的因素和动态过程。在这个非常困难的测试问题中,它明显优于现有的非线性预测技术。

理学硕士:

68T05型 人工智能中的学习与自适应系统
PDF格式 BibTeX公司 XML 引用
全文: 内政部

参考文献:

[1] DOI:10.1162/089976699300016458
[2] 内政部:10.1016/0167-2789(89)90074-2·Zbl 0671.62099
[3] 数字标识码:10.1142/s02800140000836
[4] DOI:10.1162/089976600300015619
[5] 内政部:10.1109/79.671132
[6] DOI:10.1016/S0893-6080(00)00098-8·Zbl 02022487
[7] DOI:10.1175/1520-0469(1963)020<0130:DNF>2.0.CO;二·Zbl 1417.37129号
[8] DOI:10.1162/neco.1992.4.3.448
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。