文献

J-GLOBAL ID：201702267738108444   整理番号：17A1034473

共役勾配に基づくカーネル最小二乗平均【Powered by NICT】

Kernel least mean square based on conjugate gradient

著者 (4件)： Peng Siyuan (Nanyang Technological University, School of Electrical and Electronic Engineering, Singapore) ,  Wu Zongze (Guangdong University of Technology, School of Electrical and Information Engineering, Guangzhou, China) ,  Ma Wentao (Xi’an University of Technology, School of Automation and Information Engineering, China) ,  Chen Badong (Xi’an Jiaotong University, Institute of Artificial Intelligence and Robotics, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICASSP  ページ： 2796-2800  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： カーネル最小平均二乗(KLMS)アルゴリズムを成功裡に入力信号をマッピングする高次元再生カーネルH ilbert空間(RKHS)に対して明らかにによる連続非線形問題を解決する能力のために,適応フィルタリングとオンライン学習の場に適用した。本論文では,共役勾配法(KLMS CG)に基づくKLMSと呼ばれる新しい適応アルゴリズム,伝統的な最急降下の方法を用いる代わりに,直交探索方向は,収束速度を改善するためにを提案した。さらに,共役勾配(QKLMS CG)に基づく量子化KLMSはネットワークの成長を抑制するために提案した。シミュレーション結果は,新しいアルゴリズムが元のKLMSよりも速く収束できる優れた精度を維持することを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 直交性 ,  シミュレーション ,  *共役 ,  高次元 ,  共役勾配法 ,  *最小二乗法 ,  量子化 ,  非線形問題 ,  アルゴリズム ,  ネットワーク ,  適応フィルタリング
準シソーラス用語： 収束速度 ,  適応アルゴリズム ,  オンライン学習 ,  入力信号 , 【Automatic Indexing@JST】

分類 (5件)： 人工知能  (JE08000Z) ,  システム同定  (IA02040O) ,  システム最適化手法  (IA02050Z) ,  ディジタルフィルタ  (NC04022Z) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： 共役 ,  勾配 ,  カーネル ,  最小二乗 ,  平均