排序方式: 共有2条查询结果,搜索用时 312 毫秒
1
1.
本文首先建立了特征结构提取问题的罚函数表示,通过对罚函数求极小可以求得原始协方差矩阵的主特征向量及其对应的特征值。为了求得其他特征结构,特构造了一个协方差矩阵序列。如果将罚函数展开并进行整理,高阶Hopfield神经网络可被引入到特征结构提取中。这种方法比较直观,它将网络稳定时的输出与所求协方差矩阵的主特征向量的各个分量相对应,而网络稳定时的能量则对应于协方差矩阵的迹与所求特征值之差,计算机仿真结果验证了这种方法的正确性。 相似文献
2.
本文提出了一种新的用于MCA的神经网络方法.这种方法弥补了现有方法的不足,可自适应地提取输入信号矢量的多个小特征向量,且无须对输入信号进行归一化处理.该方法的主要特点是无须对输入信号进行归一化处理,从而提高了算法的收敛速度;以及利用前m个神经元的连接权来替推计算第m 1个神经元的连接权,从而大大减少了算法的运算量. 相似文献
1