論文の概要: Nonlinear Bias-Compensated Adaptive Filter and Its Application for Time-Series Prediction

• arxiv url: http://arxiv.org/abs/2607.19902v1
• Date: Wed, 22 Jul 2026 08:37:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-23 18:51:38.030122
• Title: Nonlinear Bias-Compensated Adaptive Filter and Its Application for Time-Series Prediction
• Title（参考訳）: 非線形バイアス補償適応フィルタとその時系列予測への応用
• Authors: Yi Peng, Haiquan Zhao, Jinhui Hu,
• Abstract要約: バイアス補償カーネル最小平均平方(BCKLMS)アルゴリズムは非線形誤差変数(EIV)モデルにおける入力ノイズに対処する。 本稿では,一般適応関数(RFFBCGA)アルゴリズム下でのランダムなフーリエバイアス補償フィルタを提案する。
• 参考スコア（独自算出の注目度）: 5.147363324619447
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most existing nonlinear adaptive filtering algorithms only account for output noise, neglecting the fact that input noise is also prevalent in practice. Although the recently proposed bias-compensated kernel least mean square (BCKLMS) algorithm addresses input noise in the nonlinear errors-in-variables (EIV) model, it still suffers from two major limitations. First, the use of a fixed-size dictionary restricts network growth but also prevents it from fully capturing the characteristics of the input signal. Second, as an least mean square (LMS) based algorithm, it exhibits poor robustness in the presence of non-Gaussian noise in the output signal. To overcome these issues, this paper proposes the random Fourier bias-compensated filter under general adaptive function (RFFBCGA) algorithm. Within the random Fourier feature based bias-compensated (RFFBC) framework, the proposed algorithm not only maintains a fixed network structure and effectively mitigates input noise interference through the BC term, but also achieves improved characterization of the input signal. Moreover, by leveraging the flexible form of the general adaptive (GA) function, the algorithm's robustness across various noise scenarios is further enhanced. Extensive simulations, including real-world time series prediction tasks, demonstrate the superiority of the proposed method.
• Abstract（参考訳）: 既存の非線形適応フィルタリングアルゴリズムは出力ノイズのみを考慮し、入力ノイズも実際に発生するという事実を無視している。 最近提案されたバイアス補償カーネル最小平均平方(BCKLMS)アルゴリズムは、非線形誤差変数(EIV)モデルにおける入力ノイズに対処するが、それでも2つの大きな制限に悩まされている。 まず、固定サイズの辞書を使用すると、ネットワークの成長が制限されるが、入力信号の特性を完全に把握することができない。 第二に、最小二乗法(LMS)に基づくアルゴリズムとして、出力信号に非ガウス雑音が存在する場合のロバスト性が低い。 そこで本研究では,一般適応関数(RFFBCGA)に基づくランダムなフーリエバイアス補償フィルタを提案する。 ランダムフーリエ特徴量に基づくバイアス補償(RFFBC)フレームワークでは,提案アルゴリズムは固定されたネットワーク構造を維持し,BC項による入力ノイズ干渉を効果的に軽減するだけでなく,入力信号の特性向上も実現している。 さらに,一般適応型(GA)関数のフレキシブルな形式を活用することで,様々な雑音シナリオにおけるアルゴリズムの頑健性をさらに向上する。 実世界の時系列予測タスクを含む広範囲なシミュレーションは,提案手法の優位性を実証する。

関連論文リスト

• Noise-Directed Adaptive Remapping for Integer Optimization: from qubits to (encoded) qudits [2.8891834214263885]
  我々は最近提案されたメタアルゴリズムであるNoss-Directed Adaptive Remapping(NDAR)を拡張し、デバイスノイズを計算資源として活用する。 NDARの符号化依存要件をバイナリドメインを超えて特定する。 我々は,NDAR誘導型ノイズ考慮法が,量子最適化のためのデバイスレベルの符号化選択を比較するための新しい基準を提供することを示す。
  論文  参考訳（メタデータ） (2026-06-26T16:21:57Z)
• Accelerated zero-order SGD under high-order smoothness and overparameterized regime [79.85163929026146]
  凸最適化問題を解くための新しい勾配のないアルゴリズムを提案する。 このような問題は医学、物理学、機械学習で発生する。 両種類の雑音下で提案アルゴリズムの収束保証を行う。
  論文  参考訳（メタデータ） (2024-11-21T10:26:17Z)
• Sparse is Enough in Fine-tuning Pre-trained Large Language Models [98.46493578509039]
  我々はSparse Increment Fine-Tuning (SIFT) という勾配に基づくスパース微調整アルゴリズムを提案する。 GLUE Benchmark や Instruction-tuning などのタスクで有効性を検証する。
  論文  参考訳（メタデータ） (2023-12-19T06:06:30Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• A Hybrid SFANC-FxNLMS Algorithm for Active Noise Control based on Deep Learning [17.38644275080562]
  Filtered-X normalized least-mean-square (FxNLMS)アルゴリズムは適応最適化により低い定常誤差を得ることができる。 本稿では,適応アルゴリズムの緩やかな収束を克服するためのハイブリッドSFANC-FxNLMS手法を提案する。 実験の結果,ハイブリッドSFANC-FxNLMSアルゴリズムは高速応答時間,低雑音低減誤差,高強靭性を実現可能であることがわかった。
  論文  参考訳（メタデータ） (2022-08-17T05:42:39Z)
• Sparsity-Aware Robust Normalized Subband Adaptive Filtering algorithms based on Alternating Optimization [27.43948386608]
  本稿では, 雑音下でのスパースシステムの同定のためのSA-RNSAFアルゴリズムを提案する。 提案したSA-RNSAFアルゴリズムは,ロバストな基準とスパース性を考慮したペナルティを定義することで,異なるアルゴリズムを一般化する。
  論文  参考訳（メタデータ） (2022-05-15T03:38:13Z)
• Neural Network-augmented Kalman Filtering for Robust Online Speech Dereverberation in Noisy Reverberant Environments [13.49645012479288]
  ノイズローバストオンラインデバーベレーションのためのニューラルネットワーク拡張アルゴリズムを提案する。 提示されたフレームワークは、単一チャネルのノイズの多い残響データセット上で堅牢なデバーベレーションを可能にする。
  論文  参考訳（メタデータ） (2022-04-06T11:38:04Z)
• 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)
• Learning based signal detection for MIMO systems with unknown noise statistics [84.02122699723536]
  本論文では,未知のノイズ統計による信号を堅牢に検出する一般化最大確率(ML)推定器を考案する。 実際には、システムノイズに関する統計的な知識はほとんどなく、場合によっては非ガウス的であり、衝動的であり、分析不可能である。 我々のフレームワークは、ノイズサンプルのみを必要とする教師なしの学習アプローチによって駆動される。
  論文  参考訳（メタデータ） (2021-01-21T04:48:15Z)
• Activation Relaxation: A Local Dynamical Approximation to Backpropagation in the Brain [62.997667081978825]
  活性化緩和(AR)は、バックプロパゲーション勾配を力学系の平衡点として構成することで動機付けられる。 我々のアルゴリズムは、正しいバックプロパゲーション勾配に迅速かつ堅牢に収束し、単一のタイプの計算単位しか必要とせず、任意の計算グラフで操作できる。
  論文  参考訳（メタデータ） (2020-09-11T11:56:34Z)

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。