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.