• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Optical fiber technology >Optical fiber intrusion signal recognition method based on TSVD-SCN
【24h】

Optical fiber intrusion signal recognition method based on TSVD-SCN

机译：基于TSVD-SCN的光纤入侵信号识别方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Stochastic Configuration Networks (SCN) introduce the inequality constraint of a supervised mechanism to ensure the universal approximation property of learner model. However, in the processing of building SCN, due to the properties of used activation function and the way of assigning the random input weights and biases of the hidden nodes, the hidden output matrix is often ill-posed, i.e., the matrix can be of rank deficient or demonstrate multicollinearity. Thus, the least squares method for evaluating the output weights may result in poor generalization performance for data modelling problems. This paper aims to overcome this drawback through modifying the computation of the generalized pseudo inverse of the output matrix by a Truncated Singular Value Decomposition (TSVD) method with an adaptively chosen truncation threshold. The improved SCN model is then applied for recognizing intrusion signals in Optical Fiber Pre-warning System. Experimental results show that the proposed improved algorithm can achieve higher recognition rate compared to the original SCN classifier.
机译：随机配置网络（SCN）介绍了监督机制的不等式约束，以确保学习者模型的普遍逼近特性。但是，在构建SCN的处理中，由于使用的使用激活函数的特性和分配了随机输入权重和隐藏节点的偏差的方式，隐藏的输出矩阵通常没有被释放，即，矩阵可以是排名缺陷或演示多元性。因此，用于评估输出权重的最小二乘方法可能导致用于数据建模问题的较差的泛化性能。本文旨在通过通过具有自适应选择的截断阈值的截断的奇异值分解（TSVD）方法来修改输出矩阵的广义伪逆的计算来克服该缺点。然后应用改进的SCN模型用于识别光纤预警系统中的入侵信号。实验结果表明，与原始SCN分类器相比，所提出的改进算法可以实现更高的识别率。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号