基于神经网络的非线性PCA方法

• 作者: 孔薇 杨杰
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 主元分析 非线性主元分析 径向基函数神经网络 正交最小二乘方法 熔融指数
• 年，卷（期）: 2003,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 65-67,96
• 页数: 4页
• 分类号: TP183
• 字数: 3776字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2003.07.020

摘要

该文采用基于正交最小二乘方法(OLS)的径向基函数(RBF)神经网络进行非线性主元分析(NLPCA)算法的训练,提高了训练速度,且不存在局部最优问题.将其应用到聚丙烯生产的高维非线性数据相关特性的提取中,仿真试验显示这种NLPCA方法提高了熔融指数(MI)的预报精度,具有实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨杰	上海交通大学图像处理与模式识别研究所	340	5370	35.0	58.0
2	孔薇	上海交通大学图像处理与模式识别研究所	6	145	6.0	6.0