Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Neural Processing Letters
Erschienen in: Neural Processing Letters 2/2015

01.10.2015

An Effective Neural Learning Algorithm for Extracting Cross-Correlation Feature Between Two High-Dimensional Data Streams

verfasst von: Xiang-yu Kong, Hong-guang Ma, Qiu-sheng An, Qi Zhang

Erschienen in: Neural Processing Letters | Ausgabe 2/2015

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

A novel information criterion for principal singular subspace tracking is proposed and a corresponding principal singular subspace gradient flow is derived based on the information criterion in this paper. The information criterion exhibits a unique global minimum attained if and only if the state matrices of the left and right neural networks span the left and right principal singular subspace of a cross-correlation matrix between two high-dimensional vector sequences, respectively. The proposed gradient flow can efficiently track an orthonormal basis of the principal singular subspace, and it has fast convergence speed, good suitability for data matrix close to singular matrix and excellent self-stabilizing property. The global asymptotic stability and self-stabilizing property of the proposed algorithm are analyzed. The simulation experiments validate the excellent performance of the proposed algorithm.
Vorheriger Artikel A New Multilayer Perceptron Pruning Algorithm for Classification and Regression Applications
Nächster Artikel Stability Analysis of Fractional-Order Neural Networks with Time Delay

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Anhänge
Nur mit Berechtigung zugänglich
Literatur
1.
Feng DZ, Zhang XD, Bao Z (2004) A Neural Network learning for Adaptively Extracting Cross-Correlation Features Between Two High -Dimensional Data Streams, IEEE Trans.on. Neural Networks 15(6):1541–1554CrossRef
2.
3.
Comon P, Golub GH (1990) Tracking a few extreme singular values and vectors in signal processing. Proc. IEEE 78(8):1318–1343CrossRefMATH
4.
Ferali W, Proakis JG (1990) Adaptive SVD algorithm for covariance matrix eigenstructure computation, in Proc. IEEE Int. Conf. Acoust, Speech, Signal Processing, 176–179
5.
Mooden M, Dooren PV, Vandewalle J (1992) A singular value decomposition updating algorithm for subspace tracking. SIAM J. Matrix Anal. Appl. 13(4):1015–1038MathSciNetCrossRef
6.
Yuile AL, Kammen DM, Cohen DS (1989) Quadrature and development of orientation selective cortical cells by Hebb rules. Biol. Cybern. 61:183–194CrossRefMATH
7.
Samardzija N, Waterland RL (1989) A neural network for computing eigenvectors and eigenvalues. Biol. Cybern. 65(4):211–214MathSciNetCrossRef
8.
Cichocki A, Unbehauen R (1992) Neural network for computing eigenvalues and eigenvectors. Biol. Cybern. 68(2):155–159CrossRefMATH
9.
Cichocki A (1992) Neural network for singular value decomposition. Electron. Lett. 28:784–786CrossRef
10.
Cichocki A, Unbehauen R (1994) Neural Networks for Optimization and Signal Processing. Wiley, New York
11.
Diamantaras KI, Kung SY (1994) Cross-correlation neural network models. IEEE Trans. Signal Processing 42(11):3218–3223CrossRef
12.
Feng DZ, Bao Z, Zhang XD (2001) A cross- associative neural network for SVD of nonsquared data matrix in signal processing. IEEE Trans. Neural Networks 12(9):1215–1221CrossRef
13.
Yang B (1995) Projection approximation subspace tracking. IEEE Trans. Signal Process. 43(1):95–107CrossRefMATH
14.
Golub GH, Van Loan CF (1989) Matrix Computations. The Johns Hopkins Univ. Press, Baltimore, MD
15.
Feng DZ, Bao Z (1997) Modified cross-correlation neural networks. Chin. J. Electron. 6(3):63–70
16.
Haykin S (1991) Adaptive Filter Theory, 2nd edn. Prentice-Hall, Englewood Cliffs, NJ
17.
Kushner HJ, Clark DS (1976) Stochastic Approximation Methods for Constrained and Unconstrained Systems. Springer-Verlag, New YorkMATH
18.
19.
Magnus JR, Neudecker H (1991) Matrix Differential Calculus With Applications in Statistics and Econometrics, 2nd edn. Wiley, New YorkMATH
20.
Wax M, Kailath T (1985) Detection of signals by information theoretic criteria, IEEE Trans. Acoust. Speech, Signal Process. 33:387–392MathSciNetCrossRef
21.
Schmidt R (1986) Multiple emitter location and signal parameter estimation. IEEE Trans. Antennas Propagat. AP–34(3):276–281CrossRef
22.
Roy R, Paulraj A, Kailath T (1986) ESPRIT-A subspace rotation approach to estimation of parameters of cisoids in noise. IEEE Trans. Acous., Speech, Signal Process. 34(10):1340–1342CrossRefMATH
23.
Kong XY, Hu CH, Han CZ (2012) A Dual Purpose Principal and Minor Subspace Gradient Flow. IEEE Trans. Signal Process. 60(1):197–210MathSciNetCrossRef
Metadaten
Titel
An Effective Neural Learning Algorithm for Extracting Cross-Correlation Feature Between Two High-Dimensional Data Streams
verfasst von
Xiang-yu Kong
Hong-guang Ma
Qiu-sheng An
Qi Zhang
Publikationsdatum
01.10.2015
Verlag
Springer US
Erschienen in
Neural Processing Letters / Ausgabe 2/2015
Print ISSN: 1370-4621
Elektronische ISSN: 1573-773X
DOI
https://doi.org/10.1007/s11063-014-9367-4

Weitere Artikel der Ausgabe 2/2015

Neural Processing Letters 2/2015 Zur Ausgabe

OriginalPaper

Error Estimate for Spherical Neural Networks Interpolation

OriginalPaper

Multistability and Multiperiodicity for a Class of Cohen–Grossberg BAM Neural Networks with Discontinuous Activation Functions and Time Delays

OriginalPaper

Stability Analysis of Fractional-Order Neural Networks with Time Delay

OriginalPaper

A New Multilayer Perceptron Pruning Algorithm for Classification and Regression Applications

OriginalPaper

A Modified Learning Algorithm for Interval Perceptrons with Interval Weights

OriginalPaper

Fuzzy Min–Max Neural Network for Learning a Classifier with Symmetric Margin

Neuer Inhalt

    Bildnachweise