論文の概要: A New Class of Efficient Adaptive Filters for Online Nonlinear Modeling
- arxiv url: http://arxiv.org/abs/2104.09641v1
- Date: Mon, 19 Apr 2021 21:07:22 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-21 13:26:00.122011
- Title: A New Class of Efficient Adaptive Filters for Online Nonlinear Modeling
- Title（参考訳）: オンライン非線形モデリングのための適応フィルタの新しいクラス
- Authors: Danilo Comminiello, Alireza Nezamdoust, Simone Scardapane, Michele
Scarpiniti, Amir Hussain, Aurelio Uncini
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 17.992830267031877
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nonlinear models are known to provide excellent performance in real-world
applications that often operate in non-ideal conditions. However, such
applications often require online processing to be performed with limited
computational resources. In this paper, we propose a new efficient nonlinear
model for online applications. The proposed algorithm is based on the
linear-in-the-parameters (LIP) nonlinear filters and their implementation as
functional link adaptive filters (FLAFs). We focus here on a new effective and
efficient approach for FLAFs based on frequency-domain adaptive filters. We
introduce the class of frequency-domain functional link adaptive filters
(FD-FLAFs) and propose a partitioned block approach for their implementation.
We also investigate on the functional link expansions that provide the most
significant benefits operating with limited resources in the frequency-domain.
We present and compare FD-FLAFs with different expansions to identify the LIP
nonlinear filters showing the best tradeoff between performance and
computational complexity. Experimental results prove that the frequency domain
LIP nonlinear filters can be considered as an efficient and effective solution
for online applications, like the nonlinear acoustic echo cancellation.
- Abstract（参考訳）: 非線形モデルは、非理想的条件下でしばしば動作する実世界のアプリケーションにおいて優れた性能を提供することが知られている。
しかし、そのようなアプリケーションでは、計算資源が限られてオンライン処理が要求されることが多い。
本稿では,オンラインアプリケーションのための非線形モデルを提案する。
提案アルゴリズムは線形パラメータ(LIP)非線形フィルタとその機能的リンク適応フィルタ(FLAF)としての実装に基づいている。
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。
本稿では、周波数領域関数リンク適応フィルタ(FD-FLAF)のクラスを導入し、その実装のための分割ブロックアプローチを提案する。
また、周波数領域内の限られたリソースで運用する最も重要な利点を提供する機能的リンク拡張についても検討する。
本稿では,FD-FLAFを異なる拡張で比較し,性能と計算複雑性の最良のトレードオフを示すLIP非線形フィルタを同定する。
実験結果から, 周波数領域リップ非線形フィルタは, 非線形音響エコーキャンセリングのようなオンラインアプリケーションにとって効率的かつ効果的なソリューションであると考えられる。
関連論文リスト
- Learning Optimal Filters Using Variational Inference [0.3749861135832072]
本稿では,パラメータ化解析マップを学習するためのフレームワークを提案する。
この手法は線形および非線形力学系をフィルタリングするゲイン行列の学習に利用できることを示す。
今後、このフレームワークを新しいフィルタリングアルゴリズムの学習に適用する予定である。
論文 参考訳（メタデータ） (2024-06-26T04:51:14Z) - Closed-form Filtering for Non-linear Systems [83.91296397912218]
我々は密度近似と計算効率の面でいくつかの利点を提供するガウスPSDモデルに基づく新しいフィルタのクラスを提案する。
本研究では,遷移や観測がガウスPSDモデルである場合,フィルタリングを効率的にクローズド形式で行うことができることを示す。
提案する推定器は, 近似の精度に依存し, 遷移確率の正則性に適応する推定誤差を伴って, 高い理論的保証を享受する。
論文 参考訳（メタデータ） (2024-02-15T08:51:49Z) - An Ensemble Score Filter for Tracking High-Dimensional Nonlinear Dynamical Systems [10.997994515823798]
本研究では,高次元非線形フィルタ問題に対するアンサンブルスコアフィルタ(EnSF)を提案する。
ニューラルネットワークをトレーニングしてスコア関数を近似する既存の拡散モデルとは異なり、トレーニング不要スコア推定を開発する。
EnSFは、最先端のLocal Ensemble Transform Kalman Filter法と比較して、驚くべきパフォーマンスを提供する。
論文 参考訳（メタデータ） (2023-09-02T16:48:02Z) - 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) - Broad Recommender System: An Efficient Nonlinear Collaborative Filtering
Approach [56.12815715932561]
我々はBroad Collaborative Filtering (BroadCF)と呼ばれる新しい広帯域リコメンデータシステムを提案する。
深層ニューラルネットワーク(DNN)の代わりに、ユーザとアイテム間の複雑な非線形関係を学習するためのマッピング機能として、Broad Learning System(BLS)が使用されている。
7つのベンチマークデータセットで実施された大規模な実験により、提案したBroadCFアルゴリズムの有効性が確認された。
論文 参考訳（メタデータ） (2022-04-20T01:25:08Z) - Filter-enhanced MLP is All You Need for Sequential Recommendation [89.0974365344997]
オンラインプラットフォームでは、ログされたユーザの行動データはノイズを含まないことは避けられない。
周波数領域の雑音を減衰させる信号処理から,フィルタアルゴリズムのアイデアを借用する。
逐次レコメンデーションタスクのための学習可能なフィルタを備えたオールMLPモデルである textbfFMLP-Rec を提案する。
論文 参考訳（メタデータ） (2022-02-28T05:49:35Z) - Real-Time GPU-Accelerated Machine Learning Based Multiuser Detection for
5G and Beyond [70.81551587109833]
非線形ビームフォーミングフィルタは、大規模な接続を伴う定常シナリオにおいて、線形アプローチを著しく上回る。
主な課題の1つは、これらのアルゴリズムのリアルタイム実装である。
本稿では,大規模並列化によるAPSMに基づくアルゴリズムの高速化について検討する。
論文 参考訳（メタデータ） (2022-01-13T15:20:45Z) - 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) - Adaptive Low-Pass Filtering using Sliding Window Gaussian Processes [71.23286211775084]
ガウス過程回帰に基づく適応型低域通過フィルタを提案する。
本研究では,提案手法の誤差が一様境界であることを示す。
論文 参考訳（メタデータ） (2021-11-05T17:06:59Z) - Robust Adaptive Filtering Based on Exponential Functional Link Network [0.0]
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。
論文 参考訳（メタデータ） (2021-02-05T01:49:51Z) - LQF: Linear Quadratic Fine-Tuning [114.3840147070712]
本稿では,非線形微調整に匹敵する性能を実現する事前学習モデルの線形化手法を提案する。
LQFはアーキテクチャの単純な変更、損失関数、そして一般的に分類に使用される最適化で構成されている。
論文 参考訳（メタデータ） (2020-12-21T06:40:20Z)
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。