Complex & Intelligent Systems. Volume 10, Issue 6, December 2024
1) PD-DETR：面向光伏电池缺陷检测的高效并联混合匹配变压器作者：赵朗月、吴义全、袁玉斌页数：7421 - 74342) 基于新型混沌优化热力学进化算法的智能散货码头调度作者：刘诗达、刘庆生、陈先龙页数：7435 - 74503) 智能校准和监控：利用人工智能改进基于 MEMS 的惯性传感器校准作者：Itilekha Podder、Tamas Fischl、Udo Bub页数：7451 - 74744) 具有广义高斯分布的开关门控循环单元神经网络的识别作者：白文涛、郭帆、张浩宇页数：7475 - 74855) 用于自监督 3D 动作的注意力引导掩模学习识别作者：张浩远页数：7487 -
Principal Components Analysis (PCA) Through a Latent Variable Lens
概述 PPCA（经典 PCA 的扩展）及其通过 EM 算法应用于不完整数据照片由 Dhruv Weaver 在 Unsplash 上拍摄。随着 EM 算法的 E 和 M 步骤重复，该算法收敛到局部最大似然估计量。概率主成分分析 (PPCA) 是一种降维技术，利用潜在变量框架恢复数据中最大方差的方向。当噪声遵循各向同性高斯分布时，概率主成分将与经典主成分紧密相关，在缩放因子和正交旋转方面相同。因此，PPCA 可用于许多与经典 PCA 相同的应用，例如数据可视化和特征提取。PPCA 背后的潜在变量框架还提供了经典 PCA 所不具备的功能。例如，PPCA 可以轻松扩展以适应具有缺失值的数据，而经典
