文献

J-GLOBAL ID：202002234339662745   整理番号：20A0513962

深層展開による可変ステップサイズNLMSアルゴリズム

A study on variable step size NLMS algorithm with deep unfolding

著者 (4件)： 佐々木哲也 (大阪市大 大学院工学研究科) ,  塩原楓 (大阪市大 大学院工学研究科) ,  林和則 (大阪市大 大学院工学研究科) ,  林和則 (理研 革新知能総合研究セ)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 119  号： 395(RCC2019 70-76)  ページ： 7-12  発行年： 2020年01月20日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 固定ステップサイズLMS(Least-Mean-Square)を用いた適応フィルタリングでは,収束速度と定常誤差の間にトレードオフが存在する.この問題を解決するために,今まで数多くの可変ステップサイズのアルゴリズムが提案されてきた.しかし,従来法のアプローチでは特性を向上させるためにいくつかのパラメータを手動で調整しなければならなかった.本研究では,NLMS(Normalized LMS)アルゴリズムの各繰り返しにおけるステップサイズをデータに基づく学習によって決定するTNLMS(Trainable NLMS)を提案する.提案手法では,深層展開のアプローチに基づき,NLMSアルゴリズムの繰り返し処理を時間方向に展開することでニューラルネットワークに似た多層シグナルフローグラフを生成する.そして,各層のステップサイズをこのグラフ上の独立な学習可能パラメータとみなして深層学習技術を利用することで,この値をデータに基づいて調整する.数値実験により,既存の可変ステップサイズNLMSアルゴリズムと比較し,様々な条件下において提案TNLMSアルゴリズムの方が優れていることを明らかにする.(著者抄録)

シソーラス用語： アルゴリズム ,  *最小二乗法 ,  *適応フィルタリング ,  機械学習 ,  最急降下法 ,  *LMSアルゴリズム ,  深層学習
準シソーラス用語： 勾配降下法

分類 (1件)： ディジタルフィルタ  (NC04022Z)

引用文献 (16件)：

• B. Widrow and M.E. Hoff, ′′Adaptive switching circuits,′′ 1960 IRE WESCON Convention Record, Part 4, pp.96-104, IRE, New York, 1960.
• S. Haykin, Adaptive Filter Theory, 3rd Edition, Prentice Hall, 2015.
• G.C. Goodwin and K.S. Sin, Adaptive filtering prediction and control, Prentice-Hall information and system sciences series, Prentice-Hall, 1984.
• R.H. Kwong and E.W. Johnston, ′′A variable step size lms algorithm,′′ IEEE Transactions on Signal Processing, vol.40, no.7, pp.1633-1642, July 1992.
• G.E. Hinton and R.R. Salakhutdinov, ′′Reducing the dimen-sionality of data with neural networks,′′ Science, vol.313, no.5786, pp.504-507, 2006.

タイトルに関連する用語 (3件)： 深層 ,  展開 ,  可変ステップサイズ