文献

J-GLOBAL ID：201702246708975121   整理番号：17A0619638

多数のマイナー成分に対する重み付け情報量基準とその適応的な抽出アルゴリズム

A weighted information criterion for multiple minor components and its adaptive extraction algorithms

著者 (4件)： Gao Yingbin (The Xi’an Research Institute of High Technology, Xi’an, Shaanxi 710025, PR China) ,  Kong Xiangyu (The Xi’an Research Institute of High Technology, Xi’an, Shaanxi 710025, PR China) ,  Zhang Huihui (The Xi’an Research Institute of High Technology, Xi’an, Shaanxi 710025, PR China) ,  Hou Li’an (The Xi’an Research Institute of High Technology, Xi’an, Shaanxi 710025, PR China)
資料名： Neural Networks  (Neural Networks)
巻： 89  ページ： 1-10  発行年： 2017年05月 
JST資料番号： T0698A  ISSN： 0893-6080  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： マイナー成分(MC)は信号処理やデータ解析において重要な役割を担うので,MC抽出アルゴリズムを開発することは重要な研究である。重み付け部分空間と最適理論の概念に基づき,線形ニューラルネットワークの最適解を探すための重み付け情報量基準を提案した。本情報量基準は状態行列が入力信号の自己相関行列の所望のMCからなるとき,かつそのときに限り実現される唯一の大域的最小点を示す。傾斜法と再帰的最小二乗(RLS)法を利用することによって,多数のMC抽出に対する2つのアルゴリズムを開発した。また,提案したアルゴリズムの大域収束性をLyapunov方式によって分析した。提案したアルゴリズムは並列に複数のMCを抽出でき,高次元行列の処理において利点がある。重み付け行列は正確な値を必要としないので,実際の適用のための提案したアルゴリズムのシステム設計を容易にする。シミュレーションを通じて提案したアルゴリズムの速度と,計算における強みを検証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *ニューラルネットワーク ,  標準 ,  *情報抽出 ,  *最小二乗法 ,  収束 ,  計算機アルゴリズム ,  Lyapunov関数 ,  重みづけ ,  評価試験 ,  計算機シミュレーション ,  実証実験
準シソーラス用語： 情報量基準

著者キーワード (6件)： Multiple minor components extraction ,  Weighted information criterion ,  Recursive least square ,  Lyapunov method ,  Global convergence ,  Neural networks

分類 (3件)： ニューロコンピュータ  (JC06010Q) ,  その他の情報処理  (JE15050M) ,  数値計算  (JE02000J)

引用文献 (33件)：

• Bartelmaos, S., & Abed-Meraim, K. (2011). Fast adaptive algorithms for minor component analysis using Householder transformation. Digital Signal Processing, 21, 667-678.
• Chen, T., Shun, I. A., & Murata, N. (2001). Sequential extraction of minor components. Neural Processing Letters, 13, 195-201.
• Chiang, C. T., & Chen, Y. H. ( 1999). On the inflation method in adaptive noise-subspace estimator. IEEE Transactions on Signal Processing, 47, 1125-1129.
• Cirrincione, G., & Cirrincione, M. (2011). Neural-based orthogonal data fitting: The EXIN neural networks, vol. 66. John Wiley and Sons.
• Duong Nguyen, T., & IsaoYamada, (2013). A unified convergence analysis of normalized PAST algorithms for estimating principal and minor components. Signal Processing, 93, 176-184.

タイトルに関連する用語 (5件)： マイナー ,  重み付け ,  情報量基準 ,  適応 ,  アルゴリズム