On the achievability of blind source separation for high-dimensional nonlinear source mixtures
RIKEN Center for Brain Science(理化学研究所脑科学中心);The University of Tokyo(东京大学)
多年来,主成分分析(PCA)和独立成分分析(ICA)的组合被用于盲源分离(BSS)。然而,目前还不清楚为什么这些线性方法与涉及非线性源混合的真实世界数据很好地工作。这项工作从理论上验证了线性PCA和ICA的级联可以准确地解决非线性BSS问题-当传感器输入通过具有足够维度的非线性映射从隐藏源生成时。我们提出的定理,称为渐近线性化定理,理论上保证了应用线性PCA的输入可以可靠地提取一个子空间跨越的线性投影从每个隐藏的源作为主要成分-从而投影到其主要特征空间的输入可以有效地恢复隐藏的源的线性变换。然后,随后应用线性ICA可以分离出所有真正独立的隐藏源准确。当信源维数很大且输入维数充分大于信源维数时,零元误差非线性盲源分离是渐近实现的。我们提出的定理是验证解析和数值。此外,同样的计算可以通过使用Hebbian类可塑性规则来执行,这意味着这种非线性BSS策略的生物相容性。我们的研究结果突出了线性PCA和ICA在准确可靠地恢复非线性混合源方面的实用性,并进一步表明了采用具有足够维度的传感器来识别真实世界数据的真正隐藏源的重要性。
2020-12-13 cs.LG stat.ML
Neural Conjugate Aggregation: Identifiable Unsupervised Multi-Sensor Regression under Heterogeneous Sensor Bias
Istanbul Technical University(伊斯坦布尔理工大学);University of Washington(华盛顿大学)
提出神经共轭聚合模型(NCAM),一种结合神经网络与共轭高斯推理的无监督多源融合框架,通过传感器锚定和方差正则化解决非可识别性,并集成自适应蒙特卡洛共形预测提供有限样本保证。
2026-10-09 cs.AI cs.LG
Multidimensional Analysis of Specific Language Impairment Using Unsupervised Learning Through PCA and Clustering
Northeastern University(东北大学)
本研究利用PCA与聚类对1163名儿童的语言特征进行无监督分析,发现SLI主要体现为语言产出能力下降而非句法复杂度缺陷,并支持语言能力连续体模型,为改进诊断与干预提供依据。
2025-06-05 cs.CL cs.LG
Efficient Fault Detection in WSN Based on PCA-Optimized Deep Neural Network Slicing Trained with GOA
University of Tabriz(大不里士大学);Middle Technical University(中东技术大学);Al-Mustaqbal University(未来大学)
针对WSN高维故障检测难题,提出PCA降维与GOA优化六层DNN相结合的混合框架,在真实数据集上达到99.72%准确率。
2025-05-11 cs.AI cs.LG eess.SP
Unsupervised Learning for Fault Detection of HVAC Systems: An OPTICS -based Approach for Terminal Air Handling Units
Toronto Metropolitan University(多伦多都会大学)
本研究提出一种基于PCA预处理和OPTICS聚类的无监督学习策略,用于HVAC终端空气处理单元故障检测,经多数据集验证其准确率优于k-means,同时指出了PCA在复杂故障场景下的信息丢失局限。
2023-12-18 cs.AI cs.LG cs.SY
Zero-Splat TeleAssist: A Zero-Shot Pose Estimation Framework for Semantic Teleoperation
Khoury College of Computer Sciences at Northeastern University(东北大学Khoury计算机科学学院);Georgia Institute of Technology(佐治亚理工学院)
Zero-Splat TeleAssist通过整合视觉-语言分割、单目深度、加权PCA姿态提取和3DGS,实现无需标记或深度传感器的多机器人远程操作中的零样本姿态估计。
2025-12-09 cs.CV cs.LG cs.RO
Human Activity Recognition via Ultra-Wideband Data: A Framework for Dimensionality Reduction, Pattern Discovery, and Predictive Modeling
提出一个基于UWB数据的HAR框架,通过两种降维技术(CPE-IPCA和PPSA)结合模式发现与分类,实现高精度活动识别,适用于实时系统。
2026-09-29 cs.LG
Information Entropy Initialized Concrete Autoencoder for Optimal Sensor Placement and Reconstruction of Geophysical Fields
Moscow Institute of Physics and Technology(莫斯科物理技术学院);Skolkovo Institute of Science and Technology(斯科尔科沃科学技术研究院);Shirshov Institute of Oceanology, Russian Academy of Sciences(俄罗斯科学院希尔绍夫海洋研究所);Marchuk Institute of Numerical Mathematics, Russian Academy of Sciences(俄罗斯科学院马尔丘克数值数学研究所)
我们提出了一种新的方法来重建地球物理场稀疏测量的问题的传感器的最佳位置。我们的方法包括两个阶段。在第一阶段,我们通过条件PixelCNN网络近似其信息熵来估计物理场的可变性作为空间坐标的函数。为了计算熵,提出了一种新的二维数据阵列的排序(螺旋排序),这使得可以同时获得多个空间尺度的物理场的熵。在第二阶段中,物理场的熵被用来初始化最佳传感器位置的分布。这种分布通过具有直通梯度估计器和对抗性损失的Concrete Autoencoder架构进一步优化,以同时最大限度地减少传感器数量并最大限度地提高重建精度。我们的方法与数据大小呈线性关系,与常用的主成分分析不同。我们证明了我们的方法上的两个例子:(a)温度和(b)周围的巴伦支海和斯瓦尔巴群岛的盐度场。对于这些例子,我们计算我们的方法和一些基线的重建误差。我们测试我们的方法对两个基线(1)PCA与QR分解和(2)气候。我们发现,获得的最佳传感器位置有明确的物理解释,并对应于海流之间的边界。
2022-06-28 cs.CV cs.LG physics.ao-ph
Pre-treatment of outliers and anomalies in plant data: Methodology and case study of a Vacuum Distillation Unit
The University of Manchester(曼彻斯特大学);Process Integration Limited(Process Integration有限公司)
数据预处理在提高数据质量方面起着重要作用,从而可以从原始数据中提取准确的信息。异常值检测是数据预处理中常用的技术之一。所谓的3 $σ$方法是识别异常值的常用方法。如手稿所示,它没有识别所有离群值,导致数据的总体统计可能失真。这个问题可能会对进一步的数据分析产生重大影响,并可能导致预测模型的准确性降低。异常值检测有很多种技术,但是,除了理论工作之外,它们都需要案例研究工作。考虑了两种类型的离群值:短期(错误数据、噪声)和长期离群值(例如,故障持续时间较长)。所用数据取自亚洲一家炼油厂的真空蒸馏装置,包括40个物理传感器(温度、压力和流速)。我们使用了一种改进的3个$σ$阈值的方法来识别短期离群值,即将传感器数据划分为由变化点确定的块,并在每个块内计算3个$σ$阈值,表示接近正态分布。我们已经表明,分段3 $σ$方法提供了一个更好的方法来检测短期离群值比3 $σ$方法适用于整个时间序列。然而,这对于长期离群值(可能代表数据中的另一种状态)表现不佳。在这种情况下,我们使用主成分分析(PCA)与霍特林的$T^2$统计,以确定长期离群值。用主成分分析得到的结果进行DBSCAN聚类分析。DBSCAN也正确识别了离群值(视觉上明显,并通过PCA方法正确检测到),这支持了PCA方法的一致性和准确性。
2021-06-17 cs.LG stat.AP
Adaptive probabilistic principal component analysis
Aston University(阿斯顿大学);Radboud University(拉德堡德大学);Massachussetts Institute of Technology(麻省理工学院)
使用线性高斯隐变量模型作为出发点,我们放松了一些约束,它所施加的非参数隐特征高斯变量模型。该模型将额外的离散潜变量引入到原始结构中。这种新模型的贝叶斯非参数性质使其能够随着观察到更多数据而适应复杂性,并将每个数据点投影到不同数量的子空间上。连续潜在变量和观测变量之间的线性关系使得所提出的模型易于解释,类似于局部自适应概率PCA(A-PPCA)。我们提出了两种替代的吉布斯抽样程序的推断在新的模型和被动健康监测传感器数据证明其适用性。
2019-05-27 cs.LG stat.AP stat.ML
DeEPCA: Decentralized Exact PCA with Linear Convergence Rate
Shenzhen Research Institute of Big Data(深圳大数据研究院);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳));Hong Kong University of Science and Technology(香港科技大学)
由于智能代理的快速增长,如弱连接的计算节点和传感器,开发分散的算法,可以执行本地代理的计算成为一个主要的研究方向。本文考虑了分散主成分分析(PCA)的问题,这是一种广泛用于数据分析的统计方法。我们引入了一种称为子空间跟踪的技术,以减少通信成本,并将其应用到电源迭代。这导致了一个分散的PCA算法称为\texttt{DeEPCA},它具有类似的集中式PCA的收敛速度,同时实现了最好的通信复杂性在现有的分散PCA算法。\texttt{DeEPCA}是第一个分散PCA算法,每个幂迭代的通信轮数与目标精度无关。与现有的算法相比,该方法更容易在实践中调整,与改善的整体通信成本。我们的实验验证了\texttt{DeEPCA}经验的优势。
2021-02-08 cs.LG math.OC
Multi-Stage Feature Selection Based Intelligent Classifier for Classification of Incipient Stage Fire in Building
Centre of Excellence for Advanced Sensor Technology (CEASTech), Universiti Malaysia Perlis(马来西亚玻璃市大学先进传感器技术卓越中心)
在这项研究中,早期火灾探测算法已提出了基于低成本阵列传感系统,利用气体传感器,灰尘颗粒和环境传感器,如温度和湿度传感器。对各种火源和建筑材料在火灾初期散发的气味或气味印进行了测量。为此,气味配置文件数据从五个常见的火源和三种常见的建筑材料被用来开发的分类模型。在进行预测分类器之前,对气味印迹数据进行归一化特征提取。这些特征表示时域中的气味信号。所获得的功能进行建议的多阶段特征选择技术,最后,进一步减少主成分分析(PCA),降维技术。基于混合PCA PNN的方法已被应用于不同的数据集从内部开发的系统和便携式电子鼻单元。实验结果表明,无论环境温度和湿度变化、基线传感器漂移、不同气体浓度水平和暴露于不同加热温度范围,PCA降维过程都提高了分类精度,并提供了高可靠性。
2017-08-12 cs.CY cs.LG
Machine Learning and Deep Learning Algorithms for Bearing Fault Diagnostics -- A Comprehensive Review
Mitsubishi Electric Research Laboratories(三菱电机研究实验室);Georgia Institute of Technology(佐治亚理工学院);Northwestern University(西北大学)
在这篇综述论文中,我们系统地总结了现有的文献轴承故障诊断与机器学习(ML)和数据采掘技术。而传统的ML方法,包括人工神经网络(ANN)、主成分分析(PCA)、支持向量机(SVM)等,几十年来,深度学习(深度学习,DL)算法已成功应用于轴承故障的检测和分类,但在过去五年中,DL算法的最新发展引发了工业界和学术界对智能机器健康监测的新兴趣。在本文中,我们首先简要回顾了传统的ML方法,然后深入研究了轴承故障应用的最新DL算法。具体而言,基于DL的方法优于传统的ML方法的故障特征提取和分类性能方面进行了分析,DL技术实现的许多新功能也进行了总结。此外,为了获得更直观的洞察力,利用开源的凯斯西储大学(CWRU)轴承数据集对不同算法的分类精度进行了比较研究。最后,为了促进将各种DL算法应用于轴承故障诊断的过渡,针对特定的应用条件,例如设置环境、数据大小、传感器数量和传感器类型,提供了详细的建议和意见。进一步提高DL算法在健康监测方面的性能的未来研究方向也进行了讨论。
2020-02-06 cs.LG stat.ML
An Exploratory Study of Single Channel Surface Electromyography for Hand Gesture Classification
研究探索单通道表面肌电图结合轻量级机器学习架构对手势分类的可行性,通过转换信号为综合特征表示、减少特征冗余等,评估三种分类器,结果表明结合相关技术和紧凑型神经网络能达90%准确率,凸显其在低功耗手势识别应用中的潜力。
2026-07-20 cs.LG
Computationally and Memory-Efficient Robust Predictive Analytics Using Big Data
Norwegian University of Science and Technology(挪威科技大学)
本文结合RPCA降噪、OSP数据压缩和LSTM时序预测,提出面向大数据的计算与内存高效且鲁棒的实时预测建模方法,并在船舶发动机热成像数据上完成验证。
2024-03-27 cs.AI cs.LG eess.IV
Predictive Allostatic Organization in Recurrent and Spiking Agents Under Partial Observability
该研究在部分可观测的能量受限觅食任务中,证实循环与脉冲智能体可发展出预测性、能量敏感的内部状态,其性能优于基线,为预测性 allo-static 组织提供计算类比。
2026-08-14 cs.LG cs.NE
Improved Background Estimation for Gas Plume Identification in Hyperspectral Images
Utah State University(犹他州立大学);Los Alamos National Laboratory(洛斯阿拉莫斯国家实验室)
本文针对高光谱图像气体羽流识别中的背景估计问题,提出两种新方法并与现有方法比较,发现PCA背景估计误差中位数比全局估计低18000倍,所提K-Nearest Segments算法使神经网络识别置信度中位数提升53.2%。
2024-11-22 cs.CV cs.LG eess.IV
Sustainable Cloud-Fog-Edge Systems for Smart Buildings: Algorithmic Adaptation under Memory Constraints and Dynamic Orchestration Strategies
University Sorbonne Paris Nord(巴黎北索邦大学);CNRS(法国国家科学研究中心);INRIA(法国国家信息与自动化研究所)
针对智能建筑的可持续云-雾-边系统,提出含Arduino数据采集、KOptim编排框架及适配GHA算法的方案,经Tour Perret传感器数据验证可可靠识别两种运行状态。
2026-10-12 cs.DC cs.LG cs.NA