胡一婷；吴庄志 基于傅里叶神经网络和频率聚类的神经模式分解。 arXiv:2108.11675 预印本，arXiv:2108.11675[eess.SP]（2021）。 小结：自1998年黄提出经验模式分解（EMD）以来，模式分解得到了广泛的研究，但EMD和相关开发的算法普遍缺乏适应性和数学理论。本文基于傅里叶神经网络（FNN）和频率聚类，提出了一种新的模式分解算法，称为神经模式分解（NMD）。其次，基于FNN学习到的每个频率分量的能量，将FNN获得的频率分量聚类为多个谱分离的固有模态函数（IMF）。对一系列人工和实际数据的实际分解结果表明，NMD算法能够有效地实现模式分解，比EMD更好地反映原始数据的特征，比变分模式分解（VMD）具有更高的适应性。 MSC公司： 42-08 欧氏空间调和分析问题的计算方法 BibTeX公司 引用 \textit{H.Yiting}和\textit{W.庄志}，“基于傅里叶神经网络和频率聚类的神经模式分解”，预印本，arXiv:2108.11675[eess.SP]（2021） 全文： arXiv公司 OA许可证 arXiv数据取自arXiv OAI-PMH API.如果你发现了错误，请直接向arXiv报告.