nach oben

Neural Computing and Applications

Erschienen in:

01.04.2010 | Original Article

An evolving neural network to perform dynamic principal component analysis

verfasst von: Behrooz Makki, Mona Noori Hosseini, Seyyed Ali Seyyedsalehi

Erschienen in: Neural Computing and Applications | Ausgabe 3/2010

Einloggen

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

search-config

KI-gestützte Suche

Aus

Abstract

Nonlinear principal component analysis is one of the best dimension reduction techniques developed during the recent years which have been applied in different signal-processing applications. In this paper, an evolving category of auto-associative neural network is presented which is applied to perform dynamic nonlinear principal component analysis. Training strategy of the network implements both constructive and destructive algorithms to extract dynamic principal components of speech database. In addition, the proposed network makes it possible to eliminate some dimensions of sequences that do not play important role in the quality of speech processing. Finally, the network is successfully applied to solve missing data problem.

Vorheriger Artikel A unified mathematical form for removing neurons based on orthogonal projection and crosswise propagation

Nächster Artikel Using near-infrared spectroscopy in the classification of white and iberian pork with neural networks

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

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

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+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

Oja E (1982) A simplified neuron model as a principal component analyzer. J Math Biol 15:267–273MATHCrossRefMathSciNet

Saegusa R, Sakano H, Hashimoto S (2004) Nonlinear principal component analysis to preserve the order of principal components. Neurocomputing 61:57–70CrossRef

Makki B, Salehi SA, Sadati N, Noori Hosseini M (2007) Voice conversion using nonlinear principal component analysis. In: IEEE symposium on computational intelligence in image and signal processing, pp 336–339

Linting M, Meulman JJ, Groenen PJF, van der Kooij AJ (2007) Nonlinear principal components analysis: Introduction and application. Psychol Methods 12(3):336–358CrossRef

Kramer MA (1991) Nonlinear principal component analysis using auto associative neural networks. AIChE J 37:233–243CrossRef

Bar-Gad I, Morris G, Bergman H (2003) Information processing, dimensionality reduction and reinforcement learning in the basal ganglia. Prog Neurobiol 71(6):439–473CrossRef

Xin Y (1999) Evolving artificial neural networks. Proc IEEE 87(9):1423–1447CrossRef

Makki B, Salehi SA, Noori Hosseini M, Sadati N (2007) Principal component analysis using constructive neural networks. In: International joint conference on neural networks, pp 558–562

Rios A, Kabuka M (1995) Image compression with a dynamic auto associative neural network. Math Comp Model 21(1–2):159–171CrossRef

10.

Ning GX, Leung SH, Chu KK, Wei G (2006) A dynamic parameter compensation method for noisy speech recognition. Speech Commun 48(10):1283–1293CrossRef

Titel: An evolving neural network to perform dynamic principal component analysis
verfasst von: Behrooz Makki
Mona Noori Hosseini
Seyyed Ali Seyyedsalehi
Publikationsdatum: 01.04.2010
Verlag: Springer-Verlag
Erschienen in: Neural Computing and Applications / Ausgabe 3/2010
Print ISSN: 0941-0643
Elektronische ISSN: 1433-3058
DOI: https://doi.org/10.1007/s00521-009-0328-1

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

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

Springer Professional "Wirtschaft"

Springer Professional "Technik"

Springer Professional "Wirtschaft+Technik"

Weitere Artikel der Ausgabe 3/2010

Two-dimensional canonical correlation analysis and its application in small sample size face recognition

Neural network-based simulation for response identification of two-storey shear building subject to earthquake motion

Using a heuristic approach to derive a grey-box model through an artificial neural network knowledge extraction technique

Visualization and clustering of categorical data with probabilistic self-organizing map

Feature space versus empirical kernel map and row kernel space in SVMs

A comparison of binless spike train measures

Premium Partner