文献

J-GLOBAL ID：201802227315998655   整理番号：18A0586882

集合メンバシップアルゴリズムを用いたデータ打切り【Powered by NICT】

Data censoring with set-membership algorithms

著者 (2件)： Diniz Paulo S. R. (Universidade Federal, do Rio de Janeiro, DEL/Poli & PEE/COPPE/UFRJ) ,  Yazdanpanah Hamed (Universidade Federal, do Rio de Janeiro, DEL/Poli & PEE/COPPE/UFRJ)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： GlobalSIP  ページ： 121-125  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： 本論文において,筆者らはビッグデータ応用におけるデータセットを検閲への集合メンバシップ正規化最小平均二乗(SM NLMS)アルゴリズムを用いた。最初に,雑音信号の分布と単一しきい値SM NLMS(ST SM NLMS)アルゴリズムにおける所望の更新速度のしきい値を推定するための定常状態平均二乗誤差(EMSE)の過剰を使用した。,誤差信号の許容範囲を定義する二重閾値SM NLMS(DT SM NLMS)アルゴリズムを提案した。このアルゴリズムは非常に低く,非常に高い出力推定誤差とデータを検閲した。数値結果を推定しきい値の有効性を確認し,DT SM NLMSアルゴリズムの優れた性能を確認した。Copyright 2018 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： *打切 ,  正規化 ,  *アルゴリズム ,  許容範囲
準シソーラス用語： 推定誤差 ,  誤差信号 ,  平均二乗誤差 ,  定常状態 ,  ビッグデータ , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 集合 ,  打切り