主成分分析与自动相关性确定在损伤识别中的应用
计算工程、金融与科学
2007-05-23 v1
摘要
本文比较了两种神经网络输入选择方案：主成分分析 (PCA) 和基于 MacKay 证据框架的自动相关性确定 (ARD)。PCA 获取所有输入数据并将其投影到低维空间，从而降低输入空间的维度。这种输入降维方法往往导致对数据动力学有显著影响的参数被那些对数据动力学无影响的参数所稀释。ARD 选择最相关的输入参数并剔除那些对所建模数据动力学贡献不大的参数。然而，ARD 有时会导致重要的输入参数被剔除，从而损害数据的动力学特性。我们将 PCA 和 ARD 方法与多层感知机 (MLP) 网络结合用于结构故障识别，并评估了这两种方法的性能。观察发现，当用作输入选择方案时，ARD 和 PCA 给出的准确度水平相似。因此，输入选择方案的选择取决于所处理数据的性质。
引用
@article{arxiv.0705.1672,
title = {Principal Component Analysis and Automatic Relevance Determination in Damage Identification},
author = {L. Mdlazi and T. Marwala and C. J. Stander and C. Scheffer and P. S. Heyns},
journal= {arXiv preprint arXiv:0705.1672},
year = {2007}
}
评论
6 pages