首页 > 专家 > 内容
文献名称：MCA神经网络理论与应用
前言：最小主元的提取在波束形成、频率估计、曲线／曲面拟合等应用中扮演着重要的角色。作为一个重要的统计分析工具，最小主元分析(MCA)已经被广泛的应用到了信号处理和数据分析领域。神经网络能用于从高维输入信号中自适应的提取最小主元。与传统的矩阵代数方法相比，神经网络方法具有更低的计算复杂度。 MCA神经网络的收敛性对于其实际应用是至关重要的。近年来MCA神经网络的动力学问题引起了学术界的广泛关注。通过使用传统的确定连续时间(DCT)方法，关于MCA神经网络的许多收敛性结论已经被得出。但是，DCT方法的使用需要基于许多严格的限制条件，而这些条件在实际应用中通常是无法被满足的。最近，确定离散时间(DDT)方法被用于分析许多前馈神经网络的动力学行为。DDT方法的使用不需要DCT方法的严格条件，是一种更为合理的分析方法。本论文主要使用确定离散时间(DDT)方法对MCA神经网络的收敛性进行研究。除此之外，对MCA学习算法收敛速度的分析、对现有MCA学习算法的改进措施也被详细的讨论。具体地说，本论文涉及到如下内容： 1．具有固定学习速度的MCA学习算法的收敛性分析 根据随机逼近理论，当确定连续时间...
Extraction of minor component plays an important role in beamforming, frequency estimation and curve/surface fitting. As an important statistical tool, minor component analysis (MCA) has been widely applied in the fields of signal processing and data analysis. Neural networks can be used to adaptively extract minor component from high-dimensional input signals. Compared with traditional matrix algebraic approaches, the neural networks method has a lower computational complexity. Convergence of MCA...
文献名称 MCA神经网络理论与应用
Article Name
英文(英语)翻译
Theories and Applications of MCA Neural Networks;
作者 彭德中; 导师:章毅;
Author
作者单位
Author Agencies
电子科技大学;
文献出处
Article From
中国科学院上海冶金研究所; 材料物理与化学(专业) 博士论文 2000年度
关键词 神经网络; 最小主元分析; 特征向量; 特征值; 确定离散时间系统;
Keywords Neural Networks;Minor Component Analysis;Eigenvector;Eigenvalue;Deterministic Discrete Time System;
改进的BP神经网络在石油测井解释中的应用
RBF多模型神经网络软测量技术在湿法磷酸生产中的应用
区域生态安全评价的BP神经网络方法(英文)
应用神经网络进行薄板冲压件坯料优化
改进BP神经网络在API预测中的应用
基于RBF神经网络的难加工材料高速铣削粗糙度预报研究
基于函数联接神经网络的金刚石木工刀具磨削参数的预测研究
基于细胞神经网络图像识别的刀具监控方法的研究
环境监测优化布点的自组织神经网络决策模型
用RBF神经网络方法作临夏城区空气污染指数预报的研究
