平稳高斯输入与慢学习下非负最小均四方算法的随机行为
数值分析
2015-08-25 v1 机器学习
摘要
由于未知系统的固有物理特性,某些系统辨识问题对待估计参数施加了非负约束。非负最小均方(NNLMS)算法及其变体允许以在线方式解决此问题。近期提出的非负最小均四方(NNLMF)算法,旨在改善这些算法在测量噪声为非高斯情况下的性能。本文首次对平稳高斯输入与慢学习下 NNLMF 算法的随机行为进行了理论分析。仿真结果验证了所提分析的准确性。
引用
@article{arxiv.1508.05873,
title = {Stochastic Behavior of the Nonnegative Least Mean Fourth Algorithm for Stationary Gaussian Inputs and Slow Learning},
author = {Jingen Ni and Jian Yang and Jie Chen and Cédric Richard and José Carlos M. Bermudez},
journal= {arXiv preprint arXiv:1508.05873},
year = {2015}
}
备注
11 pages, 8 figures, submitted for publication