主成分分析与损伤识别中的自动相关性确定
摘要：基于Mackay的证据框架，本文比较了两种神经网络输入选择方案：主成分分析（PCA）和自动相关确定（ARD）。PCA将所有输入数据投影到较低维度空间中，从而降低输入空间的维度。这种输入降维方法通常会导致对数据动态产生显著影响的参数与对数据动态没有影响的参数混合在一起。ARD选择最相关的输入参数，并丢弃对数据动态贡献不大的参数。然而，ARD有时会丢弃重要的输入参数，从而影响到数据的动态。PCA和ARD方法与多层感知机（MLP）网络一起用于结构故障识别，并评估了两种方法的性能。观察到当作为输入选择方案时，ARD和PCA具有相似的准确性水平。因此，选择输入选择方案取决于正在处理的数据的性质。
作者：L. Mdlazi, T. Marwala, C.J. Stander, C. Scheffer and P.S. Heyns
论文ID：0705.1672
分类：Computational Engineering, Finance, and Science
分类简称：cs.CE
提交时间：2007-05-23