論文の概要: Study of Frequency domain exponential functional link network filters

• arxiv url: http://arxiv.org/abs/2201.05501v1
• Date: Wed, 12 Jan 2022 01:54:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-17 15:31:55.098938
• Title: Study of Frequency domain exponential functional link network filters
• Title（参考訳）: 周波数領域指数関数型リンクネットワークフィルタの研究
• Authors: T. Yu, S. Tana, R. C. de Lamareb, and Y. Yu
• Abstract要約: 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。
• 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) filter has attracted tremendous interest due to its enhanced nonlinear modeling capability. However, the computational complexity will dramatically increase with the dimension growth of the EFLN-based filter. To improve the computational efficiency, we propose a novel frequency domain exponential functional link network (FDEFLN) filter in this paper. The idea is to organize the samples in blocks of expanded input data, transform them from time domain to frequency domain, and thus execute the filtering and adaptation procedures in frequency domain with the overlap-save method. A FDEFLN-based nonlinear active noise control (NANC) system has also been developed to form the frequency domain exponential filtered-s least mean-square (FDEFsLMS) algorithm. Moreover, the stability, steady-state performance and computational complexity of algorithms are analyzed. Finally, several numerical experiments corroborate the proposed FDEFLN-based algorithms in nonlinear system identification, acoustic echo cancellation and NANC implementations, which demonstrate much better computational efficiency.
• Abstract（参考訳）: 指数関数リンクネットワーク(EFLN)フィルタは、非線形モデリング能力の強化により、大きな関心を集めている。 しかし、計算複雑性は、EFLNベースのフィルタの次元成長とともに劇的に増大する。 本稿では,新しい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。 このアイデアは、サンプルを拡張入力データのブロックに整理し、時間領域から周波数領域に変換し、オーバーラップセーブ法で周波数領域におけるフィルタリングおよび適応手順を実行する。 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。 さらに, アルゴリズムの安定性, 定常性能, 計算複雑性を解析した。 最後に, 非線形システム同定, 音響エコーキャンセラ, nanc実装において, 提案するfdeflnアルゴリズムを補う数値実験がいくつか行われ, 計算効率が大幅に向上した。

関連論文リスト

• 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)
• Low-rank extended Kalman filtering for online learning of neural networks from streaming data [71.97861600347959]
  非定常データストリームから非線形関数のパラメータを推定するための効率的なオンライン近似ベイズ推定アルゴリズムを提案する。 この方法は拡張カルマンフィルタ (EKF) に基づいているが、新しい低ランク+斜角行列分解法を用いている。 変分推論に基づく手法とは対照的に,本手法は完全に決定論的であり,ステップサイズチューニングを必要としない。
  論文  参考訳（メタデータ） (2023-05-31T03:48:49Z)
• 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)
• Incremental Spatial and Spectral Learning of Neural Operators for Solving Large-Scale PDEs [86.35471039808023]
  Incrmental Fourier Neural Operator (iFNO)を導入し、モデルが使用する周波数モードの数を徐々に増加させる。 iFNOは、各種データセット間の一般化性能を維持したり改善したりしながら、トレーニング時間を短縮する。 提案手法は,既存のフーリエニューラル演算子に比べて20%少ない周波数モードを用いて,10%低いテスト誤差を示すとともに,30%高速なトレーニングを実現する。
  論文  参考訳（メタデータ） (2022-11-28T09:57:15Z)
• Transform Once: Efficient Operator Learning in Frequency Domain [69.74509540521397]
  本研究では、周波数領域の構造を利用して、空間や時間における長距離相関を効率的に学習するために設計されたディープニューラルネットワークについて検討する。 この研究は、単一変換による周波数領域学習のための青写真を導入している。
  論文  参考訳（メタデータ） (2022-11-26T01:56:05Z)
• Deep Frequency Filtering for Domain Generalization [55.66498461438285]
  Deep Neural Networks(DNN)は、学習プロセスにおいて、いくつかの周波数成分を優先する。 本稿では、ドメイン一般化可能な特徴を学習するためのDeep Frequency Filtering (DFF)を提案する。 提案したDFFをベースラインに適用すると,ドメインの一般化タスクにおける最先端の手法よりも優れることを示す。
  論文  参考訳（メタデータ） (2022-03-23T05:19:06Z)
• Deep Learning for the Benes Filter [91.3755431537592]
  本研究では,メッシュのないニューラルネットワークによるベンズモデルの解の密度の表現に基づく新しい数値計算法を提案する。 ニューラルネットワークの領域選択におけるフィルタリングモデル方程式における非線形性の役割について論じる。
  論文  参考訳（メタデータ） (2022-03-09T14:08:38Z)
• Parallel frequency function-deep neural network for efficient complex broadband signal approximation [1.536989504296526]
  ニューラルネットワークは本質的に、特徴フィッティングのためのネットワーク重みを調整することで、高次元の複雑なマッピングモデルである。 ネットワークトレーニングにおけるスペクトルバイアスは、ブロードバンド信号に高周波成分を適合させるには耐え難い訓練エポックをもたらす。 並列周波数関数ディープニューラルネットワーク(PFF-DNN)を提案する。
  論文  参考訳（メタデータ） (2021-06-19T01:39:13Z)
• 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)
• 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)
• A Neural Network Approach for Online Nonlinear Neyman-Pearson Classification [3.6144103736375857]
  論文の中では,オンラインと非線形の両方で初となる新しいNeyman-Pearson(NP)分類器を提案する。 提案する分類器は、オンライン方式でバイナリラベル付きデータストリーム上で動作し、ユーザが指定し、制御可能な偽陽性率の検出能力を最大化する。 提案アルゴリズムは大規模データアプリケーションに適しており,実時間処理による偽陽性率制御性を実現している。
  論文  参考訳（メタデータ） (2020-06-14T20:00:25Z)

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。