Scifaro

中文

再生核希尔伯特空间中随机受限梯度下降算法的随机行为分析

机器学习 2014-10-15 v1 机器学习

作者: Masa-aki Takizawa , Masahiro Yukawa , Cedric Richard

在 arXiv 上查看 ↗ PDF ↗

摘要

本文提出了一种基于核的随机受限梯度下降方法的随机行为分析。受限梯度在所谓的字典子空间内给出了最陡上升方向。该分析提供了均方误差准则下的瞬态和稳态性能。它还包括均值和均方意义下的稳定性条件。本研究基于 Chen 等人最初提出的核归一化最小均方 (KNLMS) 算法的分析。仿真结果验证了该分析。

关键词

随机受限梯度下降再生核希尔伯特空间核归一化最小均方 KNLMS 均方误差稳定性分析字典子空间

引用

@article{arxiv.1410.3595,
  title  = {A stochastic behavior analysis of stochastic restricted-gradient descent algorithm in reproducing kernel Hilbert spaces},
  author = {Masa-aki Takizawa and Masahiro Yukawa and Cedric Richard},
  journal= {arXiv preprint arXiv:1410.3595},
  year   = {2014}
}