文献类型：期刊文章

作　　者：汪奔[1] 孔祥玉[1] 冯晓伟[1,2] 曹泽豪[1]

机构地区：[1]火箭军工程大学 [2]中国人民解放军96421部队50分队

出　　处：《信息与控制》

基　　金：国家自然科学基金资助项目(61374120;61673387)

年　　份：2017

卷　　号：46

期　　号：5

起止页码：536-542

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、IC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：目前,基于神经网络的主成分分析算法大多属于非耦合算法,这类算法普遍存在着所谓的"速度—稳定"问题.近年来所提出的几个耦合算法较好地解决了该类算法存在的"速度—稳定"问题.然而,现有耦合算法还存在推导过程相对繁琐、计算复杂度高等问题.本文基于一种信息准则,通过牛顿方法并进行改进计算,导出了两种耦合学习算法,并运用Jacobian矩阵分析了算法收敛性.相比于现有的耦合算法,导出的两种算法计算更加快捷,并且不需要对逆Hessian矩阵进行估计.仿真实验验证了提出算法的良好性能.

关 键 词：主成分分析 神经网络 “速度—稳定”问题  耦合算法  牛顿方法  

分 类 号：TP183]