特征函数和神经网络进行过程识别
摘要：基于神经网络的主成分分析（PCA）算法用于从数据中提取相关矩阵的特征向量。然而，如果处理的过程不服从高斯分布，PCA算法或其高阶推广仅提供关于数据统计特性的不完整或误导性信息。为了处理这种情况，我们提出了一种基于神经网络的算法，采用混合（监督和非监督）学习方案，构造概率分布的特征函数和随机过程的转换函数。通过示例说明了该方法的有效性，其中包括柯西和李维型过程。
作者：Joaquim A. Dente and R. Vilela Mendes (Laboratorio de Mecatronica, DEEC, IST, Lisboa, Portugal)
论文ID：physics/9712035
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2007-05-23