.png){kind=icon}
返回
Riemannian-based neural network method for solving canonical correlation analysis
.png){kind=icon}
PRE
AI
DOI：10.1007/s40314-025-03197-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
典型相关分析是一种经典的统计技术。本文，我们提出了一种基于黎曼梯度的神经网络方法，用于求解典型相关分析问题。对于理论分析，研究了该方法的几何动力学性质。数值实验表明，所提出的神经网络方法是可行且有效的。
Keyword:
Canonical correlation analysis
Neural network method
Generalized Stiefel manifold
Riemannian gradient
期刊
IF:
4.3
论文数:
354
被引数:
593
机构
引用论文
A new randomized Kaczmarz based kernel canonical correlation analysis algorithm with applications to information retrieval一种新的基于随机Kaczmarz的核典型相关分析算法及其在信息检索中的应用.png)
NEURAL NETWORKS
NEURAL NETWORKSIF6.3
PREAI
分享收藏
分享收藏Zeroing neural network methods for solving the Yang-Baxter-like matrix equationNEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏Recurrent neural network for computation of generalized eigenvalue problem with real diagonalizable matrix pair and its applicationsNEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏分享收藏
查看更多内容