Oja-Xu MCA跳步归一化算法的收敛性分析

来源 :大连理工大学 | 被引量 : 0次 | 上传用户:liuyibi1987
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
最小主元分析(Minor Component Analysis, MCA)是一种非常重要的统计方法,目的是寻找一个方向,使得数据空间在这个方向上的投影具有最小的方差.该方法被广泛应用于信号处理和数据分析等领域.而人工神经网络具有高度的自适应性、容错性和并行处理能力,使其非常适合对高维信号最小主元的提取.近年来,众多的神经网络模型及其学习算法被用于最小主元分析,其中就包括确定的离散时间(Deterministic Discrete Time, DDT)系统.DDT系统不仅可以保持算法的离散特征,同时学习率还可以取正的常数.所谓的Oja-Xu MCA神经网络学习算法即属此类,但遗憾的是这种算法不收敛.因而产生了在迭代的每步都归一化的改进算法,而且收敛性也得到了证明,但是该算法计算量大且学习精度差,从而另外两种改进算法进一步被提了出来:固定步长跳步归一化以及自适应步长跳步归一化,本文针对这两种改进算法开展了研究,得到了相应的收敛性结果.本文的结构安排如下:第一章介绍了人工神经网络及MCA神经网络学习算法的相关背景知识.第二章对固定步长跳步归一化Oja-Xu MCA算法收敛性进行了分析,得到了算法收敛的一个充要条件,并通过数值实验与每步都做归一化算法的收敛速度进行了比较.第三章我们讨论了自适应步长跳步归一化Oja-Xu MCA算法的收敛性,并通过数值实验对理论结果予以验证.
其他文献
《南京方言词典》已考释出南京方言的许多本字,但由于本字考释着实不易,而该书重点亦不在此,所以书中仍存在一些待考之字。本文在《南京方言词典》的基础上,又考释出15个南京
随着地理信息技术的不断发展,由地理信息技术平台配合高分辨率卫星遥感图像支持的各类型测绘业务得到了巨大的发展,在此基础上,各领域的测量、设计工作均有工作方法上的转变
图解2009年以来.创投及私募股权投资机构在战路性新兴产业的投资案例数量达509个.投资金额3345亿美元。2010年上半年.共有202起战略性新兴产业投资涉及金额14.65亿美元.VC和PE分
在岩心观察、薄片鉴定及地震分析基础上,开展马家沟组岩溶地质及其地球物理响应分析,综合运用印模法和残余厚度法恢复马家沟组顶部岩溶古地貌形态。研究表明研究区马家沟组顶
在20余年的学术探索中,以"重写"为出发点的体系建构、由《申报》研究所开启的史料方法以及以"中国"为旨归的主体生发这三个方面,构成了李道新教授学术研究的核心命题,也是其
顺应新形势的要求,重新审视美国结构主义对英语教学的影响,分析了听说教学法的重要性。并结合教学实践,设计了公共英语教学中以听说为主教学法的课堂模式,极大地提高了学生的英语
为研究施用畜禽粪便有机肥农田土壤中抗生素抗性基因的分布状况,采集北京地区9个长期施用有机肥蔬菜基地的温室和大田土壤,对土壤中的抗生素耐药菌和18种抗性基因进行检测分
在输电线路巡检过程中,经常遇到高海拔、无人区等特殊环境,由此导致的信号阻隔使得GPS/SINS无法保证无人机正常工作。为解决上述问题,本文深入研究桑迪亚惯性地形辅助导航系
本文从随机算子收敛的概念出发,对归一化自适应梯度格形(GAL)算法的收敛性能指标,算法收敛因子,超量均方误差及自适应时间常数等作了定量分析。提出了一种单级和级联条件下GA