在神经网络中对功能数据的表征
摘要：功能数据分析（FDA）是传统数据分析的扩展，适用于功能数据，例如光谱、时间序列、时空图像和手势识别数据等。实践中很少有已知的功能数据；通常只知道规则或不规则的采样。因此，为了从功能数据的平滑特性中受益，需要进行一些处理来进行分析。本文展示了如何将径向基函数网络（RBFN）和多层感知器（MLP）模型扩展到功能数据输入，特别是当后者通过输入-输出对列表的方式被知道时。讨论了各种功能处理的可能性，包括在光滑基上的投影、功能主元分析、功能居中和降维，以及微分算子的使用。演示了如何将这些功能处理方法纳入到RBFN和MLP模型中。功能方法在光谱数据分析的基准测试中得到了验证。
作者：Fabrice Rossi (INRIA Rocquencourt / INRIA Sophia Antipolis, CEREMADE), Nicolas Delannay (DICE - MLG), Brieuc Conan-Guez (INRIA Rocquencourt / INRIA Sophia Antipolis, CEREMADE), Michel Verleysen (DICE - MLG)
论文ID：0709.3641
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2007-09-25