Адаптивное нейросетевое сжатие сигналов большой размерности на основе взвешенного информационного критерия

Abstract

Предложен адаптивный оптимальный по быстродействию градиентный алгоритм самообучения двухслойной нейронной сети для выделения главных компонент в задачах понижения размерности пространства признаков, возникающих при обработке сигналов большой размерности. Рассматриваемая нейронная сеть и соответствующая процедура самообучения объединяют в себе достоинства последовательного и параллельного нейросетевого подходов и предназначены, прежде всего, для использования в системах видеообработки реального времени. The optimal rate adaptive gradient algorithm for a two-layer self-learning neural network is offered for allocation of the principal components in problems of feature space dimension reduction which arise at large scale signals processing. The examined neural network and the corresponding self-learning procedure combine advantages of sequential and parallel neural network approaches and they are primarily intended for usage in the real time videoprocessing systems.