論文の概要: A Generalized Proportionate-Type Normalized Subband Adaptive Filter
- arxiv url: http://arxiv.org/abs/2111.08952v1
- Date: Wed, 17 Nov 2021 07:49:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-18 14:14:44.752998
- Title: A Generalized Proportionate-Type Normalized Subband Adaptive Filter
- Title(参考訳): 一般分布型正規化サブバンド適応フィルタ
- Authors: Kuan-Lin Chen, Ching-Hua Lee, Bhaskar D. Rao, Harinath Garudadri
- Abstract要約: 重み付きノルムで正規化されたサブバンド誤差の最小二乗という新しい設計基準が、比例型正規化サブバンド適応フィルタリング(PtNSAF)フレームワークの一般化に有効であることを示す。
汎用PtNSAF (GPtNSAF) のシステム同定問題に対するコンピュータシミュレーションによる影響について検討した。
- 参考スコア(独自算出の注目度): 25.568699776077164
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We show that a new design criterion, i.e., the least squares on subband
errors regularized by a weighted norm, can be used to generalize the
proportionate-type normalized subband adaptive filtering (PtNSAF) framework.
The new criterion directly penalizes subband errors and includes a sparsity
penalty term which is minimized using the damped regularized Newton's method.
The impact of the proposed generalized PtNSAF (GPtNSAF) is studied for the
system identification problem via computer simulations. Specifically, we study
the effects of using different numbers of subbands and various sparsity penalty
terms for quasi-sparse, sparse, and dispersive systems. The results show that
the benefit of increasing the number of subbands is larger than promoting
sparsity of the estimated filter coefficients when the target system is
quasi-sparse or dispersive. On the other hand, for sparse target systems,
promoting sparsity becomes more important. More importantly, the two aspects
provide complementary and additive benefits to the GPtNSAF for speeding up
convergence.
- Abstract(参考訳): 重み付きノルムで正規化されたサブバンド誤差の最小二乗という新しい設計基準が、比例型正規化サブバンド適応フィルタリング(PtNSAF)フレームワークの一般化に利用できることを示す。
新しい基準はサブバンドエラーを直接ペナルティ化し、減衰正規化ニュートン法を用いて最小化されるスパーシティペナルティ項を含む。
汎用PtNSAF (GPtNSAF) のシステム同定問題に対するコンピュータシミュレーションによる影響について検討した。
具体的には, 準スパース, スパース, 分散システムにおいて, サブバンド数の違いと, 種々のスパースペナルティ項を用いることによる効果について検討する。
その結果, ターゲット系が準分散あるいは分散的である場合, サブバンド数の増加の利点は推定フィルタ係数のスパース性を促進することよりも大きいことがわかった。
一方で、スパースターゲットシステムでは、スパース性を促進することがより重要になる。
より重要なことに、この2つの側面は収束をスピードアップするためにgptnsafに補完的および付加的な利点を提供する。
関連論文リスト
- Minimum norm interpolation by perceptra: Explicit regularization and
implicit bias [0.3499042782396683]
本稿では,ReLUネットワークが既知領域間でどのように相互接続するかを検討する。
我々は、既知の最小ノルム補間子に対する共通最適化アルゴリズムの暗黙バイアスを数値的に研究する。
論文 参考訳(メタデータ) (2023-11-10T15:55:47Z) - An adaptive ensemble filter for heavy-tailed distributions: tuning-free
inflation and localization [0.3749861135832072]
重尾は、非線形力学および観察過程から生じる分布をフィルタリングする一般的な特徴である。
本研究では,各状態と観測値の同時予測分布のサンプルから,前から後への更新を推定するアルゴリズムを提案する。
本稿では,新しいアンサンブルフィルタの利点について述べる。
論文 参考訳(メタデータ) (2023-10-12T21:56:14Z) - Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。
本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
論文 参考訳(メタデータ) (2023-06-27T08:15:28Z) - Focus Your Attention (with Adaptive IIR Filters) [62.80628327613344]
本稿では2次インパルス応答(IIR)フィルタを用いて入力シーケンスを動的に処理する新しい層を提案する。
比較的低次であるにもかかわらず、因果適応フィルタは関連する配列要素に注目することが示されている。
論文 参考訳(メタデータ) (2023-05-24T09:42:30Z) - Penalising the biases in norm regularisation enforces sparsity [28.86954341732928]
この研究は、関数を表すのに必要なパラメータのノルムが、その第二微分の総変分によって与えられることを示し、$sqrt1+x2$ factorで重み付けされる。
特に、この重み付け係数はバイアス項のノルムが正規化されないときに消失する。
論文 参考訳(メタデータ) (2023-03-02T15:33:18Z) - Instance-Dependent Generalization Bounds via Optimal Transport [51.71650746285469]
既存の一般化境界は、現代のニューラルネットワークの一般化を促進する重要な要因を説明することができない。
データ空間における学習予測関数の局所リプシッツ正則性に依存するインスタンス依存の一般化境界を導出する。
ニューラルネットワークに対する一般化境界を実験的に解析し、有界値が有意義であることを示し、トレーニング中の一般的な正規化方法の効果を捉える。
論文 参考訳(メタデータ) (2022-11-02T16:39:42Z) - Study of General Robust Subband Adaptive Filtering [47.29178517675426]
インパルス雑音に対する汎用ロバストサブバンド適応フィルタ法(GR-SAF)を提案する。
M推定および最大コレントロピーロバスト基準から異なるスケーリング係数を選択することで、GR-SAFアルゴリズムを簡単に得ることができる。
提案したGR-SAFアルゴリズムは、可変正則化ロバスト正規化SAFアルゴリズムに還元することができ、高速収束率と低定常誤差を有する。
論文 参考訳(メタデータ) (2022-08-04T01:39:03Z) - Asymptotic Soft Cluster Pruning for Deep Neural Networks [5.311178623385279]
フィルタプルーニング法は, 選択したフィルタを除去することにより, 構造的疎結合を導入する。
Asymptotic Soft Cluster Pruning と呼ばれる新しいフィルタプルーニング法を提案する。
提案手法は,多くの最先端アルゴリズムと比較して,競合的な結果が得られる。
論文 参考訳(メタデータ) (2022-06-16T13:58:58Z) - When Does Preconditioning Help or Hurt Generalization? [74.25170084614098]
本稿では,第1次および第2次手法のテキスト単純バイアスが一般化特性の比較にどのように影響するかを示す。
本稿では、バイアス分散トレードオフを管理するためのいくつかのアプローチと、GDとNGDを補間する可能性について論じる。
論文 参考訳(メタデータ) (2020-06-18T17:57:26Z) - Dependency Aware Filter Pruning [74.69495455411987]
重要でないフィルタを割ることは、推論コストを軽減するための効率的な方法である。
以前の作業は、その重み基準やそれに対応するバッチノームスケーリング要因に従ってフィルタをプルークする。
所望の空間性を達成するために,空間性誘導正規化を動的に制御する機構を提案する。
論文 参考訳(メタデータ) (2020-05-06T07:41:22Z)
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。