文献

J-GLOBAL ID：201802244447575209   整理番号：18A1688781

ブースト適応フィルタ【JST・京大機械翻訳】

Boosted adaptive filters

著者 (5件)： Kari Dariush (Coordinated Science Laboratory, University of Illinois at Urbana-Champaign, Urbana, IL 61801, USA) ,  Mirza Ali H. (Department of Electrical and Electronics Engineering, Bilkent University, Ankara 06800, Turkey) ,  Khan Farhan (Department of Electrical and Electronics Engineering, Bilkent University, Ankara 06800, Turkey) ,  Ozkan Huseyin (Faculty of Engineering and Natural Sciences, Sabanci University, Istanbul 34956, Turkey) ,  Kozat Suleyman S. (Department of Electrical and Electronics Engineering, Bilkent University, Ankara 06800, Turkey)
資料名： Digital Signal Processing  (Digital Signal Processing)
巻： 81  ページ： 61-78  発行年： 2018年 
JST資料番号： W1600A  ISSN： 1051-2004  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 適応信号処理文献に機械学習のブースティング概念を導入した。このフレームワークでは,いくつかの適応フィルタリングアルゴリズム,すなわち,等化,分類,回帰またはフィルタリングのような一般的なタスクで並列に実行する,弱い学習者を持つ。著者らは,いくつかの広く使用されている統計的仮定の下で,従来の適応フィルタリング法に対する提案アルゴリズムの性能改善のための理論的限界を具体的に提供した。ここでは,適応混合エキスパートとデータ再利用アルゴリズムの間のブースティングに関して,固有の関係を実証した。さらに,従来のブースティング法や提案したアルゴリズムの他の変種よりも著しく速いランダム更新に基づくブースティングアルゴリズムを導入し,性能利得を向上させた。したがって,ランダム更新法は,特に高速で高次元のストリーミングデータに適用できる。具体的には,専門家設定における再帰最小二乗ベースおよび最小平均二乗ベース線形および区分線形回帰アルゴリズムを検討し,これらの良く知られた適応法のいくつかの変種を提供した。さらに,提案したアルゴリズムの計算量に対する理論的限界を与えた。広範囲のベンチマーク実データ集合とシミュレーション例を通して,ベース学習者上の平均二乗誤差に関する実質的な性能利得を実証した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 線形性 ,  *適応フィルタ ,  利得 ,  高速度 ,  計算量 ,  計算機シミュレーション ,  機械学習 ,  *フィルタ ,  適応フィルタリング ,  ベンチマーク ,  アルゴリズム ,  最小二乗法 ,  等化
準シソーラス用語： 平均二乗誤差 ,  学習者 ,  ブースティング , 【Automatic Indexing@JST】

著者キーワード (6件)： オンラインブースティング ,  適応フィルタリング ,  ブーストフィルタ ,  アンサンブル学習 ,  円滑なブースト ,  混合法

分類 (2件)： 信号理論  (ND02020G) ,  ディジタルフィルタ  (NC04022Z)

タイトルに関連する用語 (1件)： 適応フィルタ