一类基于多变量密度估计的盲源分离方法

该文给出了一类独立源信号盲分离的训练算法。该类算法都以测度概率密度函数的Kullback-Leibler距离作为目标函数,用来衡量源信号各分量的独立性。该文利用多变量概率密度估计技术和自然梯度优化算法,使目标函数最小化,得出了两种分离算法。计算机仿真结果表明了算法的有效性。并与Infomax算法比较,性能较优。     

提高前馈神经网络泛化能力的新算法

利用神经网络撮以合噪数据的特征时，如何提高泛化能力是亟需解决的重要问题。通常的解决方法是通过结构优化和正则化来控网络的复杂性。本文从熵函数的概念出发，提出一项新的加性征罚因子消除过训练现象，从而有效的提高网络的泛化能力。