Vereinheitlichtes neuronales Modell für lineare und nichtlineare Hauptkomponentenanalyse
Das vorgeschlagene σ-PCA-Modell vereinheitlicht lineare und nichtlineare Hauptkomponentenanalyse in einem einzigen neuronalen Modell. Es ermöglicht es, nicht nur die zweite, sondern auch die erste Rotation zu lernen, wodurch die Dimensionalität reduziert und nach Varianzen geordnet werden kann, ohne die Rotationsunbestimmtheit zu leiden.