Fugu-MT 論文翻訳(概要): Conjugate Gradient Adaptive Learning with Tukey's Biweight M-Estimate

論文の概要: Conjugate Gradient Adaptive Learning with Tukey's Biweight M-Estimate

arxiv url: http://arxiv.org/abs/2203.10205v1
Date: Sat, 19 Mar 2022 01:02:43 GMT
ステータス: 処理完了
システム内更新日: 2022-03-22 17:19:11.630689
Title: Conjugate Gradient Adaptive Learning with Tukey's Biweight M-Estimate
Title（参考訳）: tukeyのbiweight m-estimateを用いた共役勾配適応学習
Authors: Lu Lu, Yi Yu, Rodrigo C. de Lamare and Xiaomin Yang
Abstract要約: TbMCG (Biweight M-estimate CG) と呼ばれる新しい M-estimate conjugate gradient (CG) アルゴリズムを提案する。特に、TbMCGアルゴリズムは計算複雑性を小さく保ちながら、より高速な収束を実現することができる。シミュレーションの結果,システム識別およびアクティブノイズ制御のための提案したTbMCGアルゴリズムの優れた性能が確認された。
参考スコア（独自算出の注目度）: 35.60818658948953
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a novel M-estimate conjugate gradient (CG) algorithm, termed Tukey's biweight M-estimate CG (TbMCG), for system identification in impulsive noise environments. In particular, the TbMCG algorithm can achieve a faster convergence while retaining a reduced computational complexity as compared to the recursive least-squares (RLS) algorithm. Specifically, the Tukey's biweight M-estimate incorporates a constraint into the CG filter to tackle impulsive noise environments. Moreover, the convergence behavior of the TbMCG algorithm is analyzed. Simulation results confirm the excellent performance of the proposed TbMCG algorithm for system identification and active noise control applications.
Abstract（参考訳）: 本研究では, インパルス雑音環境におけるシステム同定のために, タキーのbiweight m-estimate cg (tbmcg) と呼ばれる新しいm-estimate conjugate gradient (cg) アルゴリズムを提案する。特に、TbMCGアルゴリズムは、再帰的最小二乗法(RLS)アルゴリズムと比較して計算複雑性を小さく保ちながら、より高速な収束を達成することができる。具体的には、Tukeyの双重項M推定は、インパルスノイズ環境に対処するためにCGフィルタに制約を組み込む。さらに,TbMCGアルゴリズムの収束挙動を解析した。シミュレーションの結果,システム識別およびアクティブノイズ制御のためのTbMCGアルゴリズムの優れた性能が確認された。

関連論文リスト

Provably Efficient Information-Directed Sampling Algorithms for Multi-Agent Reinforcement Learning [50.92957910121088]
本研究は,情報指向サンプリング(IDS)の原理に基づくマルチエージェント強化学習(MARL)のための新しいアルゴリズムの設計と解析を行う。エピソディックな2プレーヤゼロサムMGに対して、ナッシュ平衡を学習するための3つのサンプル効率アルゴリズムを提案する。我々は、Reg-MAIDSをマルチプレイヤー汎用MGに拡張し、ナッシュ平衡または粗相関平衡をサンプル効率良く学習できることを証明する。
論文参考訳（メタデータ） (2024-04-30T06:48:56Z)
Multi-kernel Correntropy-based Orientation Estimation of IMUs: Gradient Descent Methods [3.8286082196845466]
コレントロピーに基づく降下勾配(CGD)とコレントロピーに基づく非結合配向推定(CDOE) 従来の方法は平均二乗誤差(MSE)基準に依存しており、外部加速度や磁気干渉に弱い。新しいアルゴリズムは、カルマンフィルタベースのアプローチよりも計算の複雑さが著しく低いことを示している。
論文参考訳（メタデータ） (2023-04-13T13:57:33Z)
Active RIS-aided EH-NOMA Networks: A Deep Reinforcement Learning Approach [66.53364438507208]
アクティブな再構成可能なインテリジェントサーフェス(RIS)支援マルチユーザダウンリンク通信システムについて検討した。非直交多重アクセス(NOMA)はスペクトル効率を向上させるために使用され、活性RISはエネルギー回収(EH)によって駆動される。ユーザの動的通信状態を予測するために,高度なLSTMベースのアルゴリズムを開発した。増幅行列と位相シフト行列RISを結合制御するためにDDPGに基づくアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-04-11T13:16:28Z)
Accelerated parallel MRI using memory efficient and robust monotone operator learning (MOL) [24.975981795360845]
本稿では,並列MRIにおける単調演算子学習フレームワークの有用性について検討する。このアプローチの利点は、一意性、収束性、安定性を含む圧縮センシングアルゴリズムと同様の保証を含む。静的および動的設定のための高速化並列MRIのコンテキストにおいて,異なるアンロールアルゴリズムと比較することにより,提案手法の有効性を検証した。
論文参考訳（メタデータ） (2023-04-03T20:26:59Z)
Plug-And-Play Learned Gaussian-mixture Approximate Message Passing [71.74028918819046]
そこで本研究では,従来のi.i.d.ソースに適した圧縮圧縮センシング(CS)リカバリアルゴリズムを提案する。我々のアルゴリズムは、Borgerdingの学習AMP(LAMP)に基づいて構築されるが、アルゴリズムに普遍的な復調関数を採用することにより、それを大幅に改善する。数値評価により,L-GM-AMPアルゴリズムは事前の知識を必要とせず,最先端の性能を実現する。
論文参考訳（メタデータ） (2020-11-18T16:40:45Z)
Adaptive Sampling for Best Policy Identification in Markov Decision Processes [79.4957965474334]
本稿では,学習者が生成モデルにアクセスできる場合の,割引マルコフ決定(MDP)における最良の政治的識別の問題について検討する。最先端アルゴリズムの利点を論じ、解説する。
論文参考訳（メタデータ） (2020-09-28T15:22:24Z)
Deep unfolding of the weighted MMSE beamforming algorithm [9.518010235273783]
MISOダウンリンクチャネルに対するWMMSEアルゴリズムに対する深部展開の新たな適用法を提案する。深層展開は、自然に専門家の知識を取り入れており、即時かつしっかりとしたアーキテクチャ選択の利点、トレーニング可能なパラメータの少ないこと、説明可能性の向上がある。シミュレーションにより、ほとんどの設定において、展開されたWMMSEは、一定回数の反復に対して、WMMSEよりも優れているか、等しく動作することを示す。
論文参考訳（メタデータ） (2020-06-15T14:51:20Z)
Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding Design for Multiuser MIMO Systems [59.804810122136345]
本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
論文参考訳（メタデータ） (2020-06-15T02:57:57Z)
Isotropic SGD: a Practical Approach to Bayesian Posterior Sampling [18.64160180251004]
この研究は、マルコフ連鎖モンテカルロ(SGMCMC)アルゴリズムの振舞いにおける勾配(SG)ノイズの役割の理解を深めるための統一的な数学的枠組みを定義する。我々の定式化は, 定型学習率を用いてSG雑音を等方性にする, 後方サンプリングのための新しい実用的な手法の設計を解き放つ。我々の提案は、sgmcmcの最先端技術と競合するが、より実用的である。
論文参考訳（メタデータ） (2020-06-09T07:31:21Z)

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。