用于奇异值分解的全并行神经网络

• 作 者: 冯大政 保铮 焦李成
• 机 构: 西安电子科技大学电子工程研究所,西安电子科技大学电子工程研究所,西安电子科技大学电子工程研究所 西安 710071,西安 710071,西安 710071
• 出 处: 电子科学学刊
• 发表日期: 1997年01期
• 关键词: 神经网络 奇异值分解 主分量分析 稳定性定理 全并行 有界性 协方差矩阵 动态特性 联想记忆 学习规则

本文提出一个实时奇异值分解(SVD)的全并行神经网络,给出并证明了它的有界性定理和稳定性定理,同时给出一个模拟例子。理论和模拟结果都说明所提出的神经网络对于SVD是有效的。

In this paper, an all-parallel neural network for real-time singular value decomposition (SVD) is proposed, its boundedness theorem and stability theorem are given and proved, and a simulation example is given. Both theoretical and simulation results show that the proposed neural network is effective for SVD.