Fugu-MT 論文翻訳(概要): Robust Adaptive Filtering Based on Exponential Functional Link Network

論文の概要: Robust Adaptive Filtering Based on Exponential Functional Link Network

arxiv url: http://arxiv.org/abs/2102.02952v1
Date: Fri, 5 Feb 2021 01:49:51 GMT
ステータス: 処理完了
システム内更新日: 2021-02-08 13:03:56.872198
Title: Robust Adaptive Filtering Based on Exponential Functional Link Network
Title（参考訳）: 指数関数型リンクネットワークに基づくロバスト適応フィルタリング
Authors: T. Yu, W. Li, Y. Yu and R. C. de Lamare
Abstract要約: 近年,指数関数リンクネットワーク (EFLN) が非線形フィルタリングに適用されている。本稿では,新しい逆二乗根(ISR)コスト関数に基づく適応的EFLNフィルタリングアルゴリズムを提案する。
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: The exponential functional link network (EFLN) has been recently investigated and applied to nonlinear filtering. This brief proposes an adaptive EFLN filtering algorithm based on a novel inverse square root (ISR) cost function, called the EFLN-ISR algorithm, whose learning capability is robust under impulsive interference. The steady-state performance of EFLN-ISR is rigorously derived and then confirmed by numerical simulations. Moreover, the validity of the proposed EFLN-ISR algorithm is justified by the actually experimental results with the application to hysteretic nonlinear system identification.
Abstract（参考訳）: 近年,指数関数リンクネットワーク (EFLN) が非線形フィルタリングに適用されている。 EFLN-ISR(EFLN-ISR)アルゴリズムと呼ばれる新しい逆角根(ISR)コスト関数に基づく適応型EFLNフィルタリングアルゴリズムを提案する。 EFLN-ISRの定常特性は厳密に導出され、数値シミュレーションにより確認される。さらに,本アルゴリズムの有効性は,実験結果によって検証され,ヒステリック非線形システム同定への応用が期待できる。

関連論文リスト

Widely Linear Matched Filter: A Lynchpin towards the Interpretability of Complex-valued CNNs [19.291619185044173]
我々は、WLMFパラダイムを導入し、そのソリューションを提供し、その性能を解析する。厳密な場合、WLMF法は雑音の確率密度を仮定することなく導出される。これは、複素数値CNNにおける畳み込み活性化プール鎖を、マッチングされたフィルタリングのレンズを通して再考するのに役立つ。
論文参考訳（メタデータ） (2024-01-30T04:01:18Z)
Deep Learning Meets Adaptive Filtering: A Stein's Unbiased Risk Estimator Approach [13.887632153924512]
本稿では,Deep RLSとDeep EASIというタスクベースのディープラーニングフレームワークを紹介する。これらのアーキテクチャは、元のアルゴリズムの繰り返しをディープニューラルネットワークの層に変換し、効率的なソース信号推定を可能にする。性能をさらに向上するために、我々は、スタインの非バイアスリスク推定器(SURE)に基づく代理損失関数を用いた、これらの深層無ロールネットワークのトレーニングを提案する。
論文参考訳（メタデータ） (2023-07-31T14:26:41Z)
Properties and Potential Applications of Random Functional-Linked Types of Neural Networks [81.56822938033119]
ランダム関数リンクニューラルネットワーク(RFLNN)は、深い構造を学習する別の方法を提供する。本稿では周波数領域の観点からRFLNNの特性について考察する。本稿では,より優れた性能でBLSネットワークを生成する手法を提案し,ポゾン方程式を解くための効率的なアルゴリズムを設計する。
論文参考訳（メタデータ） (2023-04-03T13:25:22Z)
Anti-Exploration by Random Network Distillation [63.04360288089277]
ランダムネットワーク蒸留 (RND) の条件付けは, 不確実性推定器として用いるのに十分な識別性がないことを示す。この制限は、FiLM(Feature-wise Linear Modulation)に基づく条件付けによって回避できることを示す。 D4RLベンチマークで評価したところ、アンサンブルベースの手法に匹敵する性能を達成でき、アンサンブルのない手法よりも広いマージンで性能を向上できることがわかった。
論文参考訳（メタデータ） (2023-01-31T13:18:33Z)
Parallel APSM for Fast and Adaptive Digital SIC in Full-Duplex Transceivers with Nonlinearity [19.534700035048637]
カーネルベースの適応フィルタは、フル(FD)モードのトランシーバにおけるデジタルデジタルドメイン自己干渉キャンセル(SIC)に適用される。彼らは、カーネルベースのアルゴリズムがリッチで非線形な関数空間内で並列計算ベースの実装を実現しつつ、良好なレベルのデジタルSICを実現することを実証した。
論文参考訳（メタデータ） (2022-07-12T11:17:22Z)
Comparative Analysis of Interval Reachability for Robust Implicit and Feedforward Neural Networks [64.23331120621118]
我々は、暗黙的ニューラルネットワーク(INN)の堅牢性を保証するために、区間到達可能性分析を用いる。 INNは暗黙の方程式をレイヤとして使用する暗黙の学習モデルのクラスである。提案手法は, INNに最先端の区間境界伝搬法を適用するよりも, 少なくとも, 一般的には, 有効であることを示す。
論文参考訳（メタデータ） (2022-04-01T03:31:27Z)
Study of Frequency domain exponential functional link network filters [0.0]
本稿では,周波数領域指数関数型リンクネットワーク(FDEFLN)フィルタを提案する。 FDEFLNに基づく非線形アクティブノイズ制御(NANC)システムも開発され、周波数領域指数フィルタ最小平均二乗(FDEFsLMS)アルゴリズムが開発された。
論文参考訳（メタデータ） (2022-01-12T01:54:59Z)
A New Class of Efficient Adaptive Filters for Online Nonlinear Modeling [17.992830267031877]
オンラインアプリケーションのための新しい効率的な非線形モデルを提案する。本稿では、周波数領域適応フィルタに基づくFLAFの新しい効率的かつ効率的なアプローチに焦点を当てる。
論文参考訳（メタデータ） (2021-04-19T21:07:22Z)
Learning to Solve the AC-OPF using Sensitivity-Informed Deep Neural Networks [52.32646357164739]
最適な電力フロー(ACOPF)のソリューションを解決するために、ディープニューラルネットワーク(DNN)を提案します。提案されたSIDNNは、幅広いOPFスキームと互換性がある。他のLearning-to-OPFスキームとシームレスに統合できる。
論文参考訳（メタデータ） (2021-03-27T00:45:23Z)
Optimization-driven Machine Learning for Intelligent Reflecting Surfaces Assisted Wireless Networks [82.33619654835348]
インテリジェントサーフェス(IRS)は、個々の散乱素子の位相シフトを制御して無線チャネルを再形成するために用いられる。散乱素子の規模が大きいため、受動ビームフォーミングは一般に高い計算複雑性によって挑戦される。本稿では、IRS支援無線ネットワークの性能向上のための機械学習(ML)アプローチに焦点を当てる。
論文参考訳（メタデータ） (2020-08-29T08:39:43Z)
Optimization-driven Deep Reinforcement Learning for Robust Beamforming in IRS-assisted Wireless Communications [54.610318402371185]
Intelligent Reflecting Surface (IRS)は、マルチアンテナアクセスポイント(AP)から受信機へのダウンリンク情報伝達を支援する有望な技術である。我々は、APのアクティブビームフォーミングとIRSのパッシブビームフォーミングを共同最適化することで、APの送信電力を最小化する。過去の経験からビームフォーミング戦略に適応できる深層強化学習(DRL)手法を提案する。
論文参考訳（メタデータ） (2020-05-25T01:42:55Z)

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。