A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Kernel Weights for Equalizing Kernel-Wise Convergence Rates of Multikernel Adaptive Filtering Pesos do kernel para equalizar as taxas de convergência do kernel da filtragem adaptativa multikernel

Kwangjin JEONG, Masahiro YUKAWA

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

A filtragem adaptativa multikernel é uma abordagem não linear atraente para tarefas de estimativa/rastreamento online. Apesar de suas vantagens potenciais sobre sua contraparte de kernel único, o uso de kernels ponderados inadequadamente pode resultar em um ganho de desempenho insignificante. Neste artigo, propomos uma técnica eficiente de ponderação recursiva de kernel para filtragem adaptativa multikernel para ativar todos os kernels. Os pesos propostos equalizam as taxas de convergência de todos os erros dos coeficientes parciais correspondentes. Os pesos propostos são implementados através de um determinado desenho métrico baseado na matriz de ponderação. Exemplos numéricos mostram, para conjuntos de dados reais sintéticos e múltiplos, que a técnica proposta apresenta um desempenho melhor do que os pesos de kernel ajustados manualmente e que supera significativamente o algoritmo de regressão de kernel múltiplo online.

Publicação
IEICE TRANSACTIONS on Fundamentals Vol.E104-A No.6 pp.927-939
Data de publicação
2021/06/01
Publicitada
2020/12/11
ISSN online
1745-1337
DOI
10.1587/transfun.2020EAP1080
Tipo de Manuscrito
PAPER
Categoria
Algoritmos e estruturas de dados

autores

Kwangjin JEONG
  Keio University
Masahiro YUKAWA
  Keio University

Palavra-chave