論文の概要: Robustness Analysis of the Data-Selective Volterra NLMS Algorithm

• arxiv url: http://arxiv.org/abs/2003.11514v1
• Date: Wed, 25 Mar 2020 17:38:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-20 02:57:27.276150
• Title: Robustness Analysis of the Data-Selective Volterra NLMS Algorithm
• Title（参考訳）: データ選択型volterra nlmsアルゴリズムのロバスト性解析
• Authors: Javad Sharafi and Abbas Maarefparvar
• Abstract要約: 本稿では,データ選択型Volterra正規化最小平均二乗法(DS-VNLMS)のロバスト性を解析する。 DS-VNLMSアルゴリズムは, パラメータがどう採用されても, ノイズに対して頑健であることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, the data-selective adaptive Volterra filters have been proposed; however, up to now, there are not any theoretical analyses on its behavior rather than numerical simulations. Therefore, in this paper, we analyze the robustness (in the sense of l2-stability) of the data-selective Volterra normalized least-mean-square (DS-VNLMS) algorithm. First, we study the local robustness of this algorithm at any iteration, then we propose a global bound for the error/discrepancy in the coefficient vector. Also, we demonstrate that the DS-VNLMS algorithm improves the parameter estimation for the majority of the iterations that an update is implemented. Moreover, we prove that if the noise bound is known, we can set the DS-VNLMS so that it never degrades the estimate. The simulation results corroborate the validity of the executed analysis and demonstrate that the DS-VNLMS algorithm is robust against noise, no matter how its parameters are adopted.
• Abstract（参考訳）: 近年,データ選択適応型ボルテラフィルタが提案されているが,これまでは数値シミュレーションではなく,その挙動に関する理論的解析は行われていない。 そこで本研究では,データ選択型volterra正規化最小平均二乗法(ds-vnlms)のロバスト性(l2安定性)を解析する。 まず,このアルゴリズムの局所的ロバスト性を任意の繰り返しで検討し,係数ベクトルの誤差/誤差のグローバル境界を提案する。 また、DS-VNLMSアルゴリズムは、更新されたイテレーションの大部分のパラメータ推定を改善することを実証する。 さらに,ノイズ境界が分かっていれば,DS-VNLMSを推定値が劣化しないように設定できることを示す。 シミュレーション結果から,ds-vnlmsアルゴリズムは,パラメータがどう適用されたかに関わらず,雑音に対して頑健であることを示す。

関連論文リスト

• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• Nonparametric Evaluation of Noisy ICA Solutions [5.749787074942513]
  ブラインドソース分離(BSS)モデルとして独立成分分析(ICA)が1980年代に導入された。 任意のガウス雑音を持つICAの正しいアルゴリズムを適応的に選択する非パラメトリックスコアを開発する。
  論文  参考訳（メタデータ） (2024-01-16T16:18:17Z)
• Fast Shapley Value Estimation: A Unified Approach [71.92014859992263]
  冗長な手法を排除し、単純で効率的なシェープリー推定器SimSHAPを提案する。 既存手法の解析において、推定器は特徴部分集合からランダムに要約された値の線形変換として統一可能であることを観察する。 実験により,SimSHAPの有効性が検証され,精度の高いShapley値の計算が大幅に高速化された。
  論文  参考訳（メタデータ） (2023-11-02T06:09:24Z)
• Robustness of optimized numerical estimation schemes for noisy variational quantum algorithms [0.0]
  ノイズが存在する場合のサンプリングコピー数に対して,数値的スキームが統計的に精度が高い範囲について検討する。 回路パラメータとは無関係なノイズチャネル誤差項に対しては,ノイズチャネルに関する知識のないエフェクトを実演する。 これらの最適化SPS推定器は平均二乗誤差バイアスを大幅に低減できることを示す。
  論文  参考訳（メタデータ） (2023-10-07T08:43:26Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• A Priori Denoising Strategies for Sparse Identification of Nonlinear Dynamical Systems: A Comparative Study [68.8204255655161]
  本研究では, 局所的およびグローバルな平滑化手法の性能と, 状態測定値の偏差について検討・比較する。 一般に,測度データセット全体を用いたグローバルな手法は,局所点の周辺に隣接するデータサブセットを用いる局所的手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-01-29T23:31:25Z)
• Fully Adaptive Bayesian Algorithm for Data Analysis, FABADA [0.0]
  本稿では,ベイズ推定の観点から,新しい非パラメトリック雑音低減手法について述べる。 データのスムーズなバージョン、スムーズなモデルを繰り返し評価し、基礎となる信号の推定値を得る。 繰り返しは、最後の滑らかなモデルの証拠と$chi2$統計に基づいて停止し、信号の期待値を計算する。
  論文  参考訳（メタデータ） (2022-01-13T18:54:31Z)
• Differentiable Annealed Importance Sampling and the Perils of Gradient Noise [68.44523807580438]
  Annealed importance sample (AIS) と関連するアルゴリズムは、限界推定のための非常に効果的なツールである。 差別性は、目的として限界確率を最適化する可能性を認めるため、望ましい性質である。 我々はメトロポリス・ハスティングスのステップを放棄して微分可能アルゴリズムを提案し、ミニバッチ計算をさらに解き放つ。
  論文  参考訳（メタデータ） (2021-07-21T17:10:14Z)
• Non-asymptotic estimates for TUSLA algorithm for non-convex learning with applications to neural networks with ReLU activation function [3.5044892799305956]
  Lovas et alで導入された未調整Langevinアルゴリズム(TUSLA)の非漸近解析を行う。 特に、Wassersteinstein-1-2におけるTUSLAアルゴリズムの非漸近誤差境界を確立する。 TUSLAアルゴリズムは最適解に急速に収束することを示す。
  論文  参考訳（メタデータ） (2021-07-19T07:13:02Z)
• Is Temporal Difference Learning Optimal? An Instance-Dependent Analysis [102.29671176698373]
  我々は、割引決定過程における政策評価の問題に対処し、生成モデルの下で、ll_infty$errorに対するマルコフに依存した保証を提供する。 我々は、ポリシー評価のために、局所ミニマックス下限の両漸近バージョンと非漸近バージョンを確立し、アルゴリズムを比較するためのインスタンス依存ベースラインを提供する。
  論文  参考訳（メタデータ） (2020-03-16T17:15:28Z)
• Active Learning for Identification of Linear Dynamical Systems [12.056495277232118]
  アルゴリズムが達成した有限時間境界推定率を示す。 そこで本研究では,ノイズを発生させることによって得られるオーバレートを,アルゴリズムが確実に改善する事例をいくつか分析する。
  論文  参考訳（メタデータ） (2020-02-02T21:30:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。