【摘 要】
：
目前大多数分布式估计算法以最小均方误差准则作为代价函数,在脉冲噪声下性能恶化乃至发散。扩散式仿射投影符号算法(Diffusion Affine Projection Sign Algorithm,DAPSA)以L
论文部分内容阅读
目前大多数分布式估计算法以最小均方误差准则作为代价函数,在脉冲噪声下性能恶化乃至发散。扩散式仿射投影符号算法(Diffusion Affine Projection Sign Algorithm,DAPSA)以L 1范数为代价函数,在脉冲噪声环境中具有良好的鲁棒性,并且具有较快的收敛速度。然而,固定步长的DAPSA在保持较大的初始收敛速度和较低的稳态误差之间存在矛盾。为降低非高斯噪声环境下DAPSA的稳态误差,同时仍保持较快的初始收敛速度,文中提出了一种扩散式最大相关熵准则变步长仿射投影符号算法(Diff
其他文献
大数据时代的数据信息呈现持续性、爆炸性的增长,为机器学习算法带来了大量监督样本。然而,这对信息通常不是一次性获得的,且获得的数据标记是不准确的,这对传统的分类模型提
通过精确的电力负荷预测,智能电网可以提供比传统电网更高效、可靠和环保的电力服务。现实生活中,电力负荷数据往往存在着与历史数据较高的时间相关性,而传统的神经网络却很
介绍了一种基于图像DCT域的信息隐藏算法。该算法将秘密信息嵌入到对图像信号频域进行DCT变换后的系数矩阵中;然后用MATLAB工具实现了算法。实验结果表明该算法简单、容易实
点云数据的分类和语义分割在自动驾驶、智能机器人、全息投影等领域中有着重要应用。传统手工提取点云特征的方式,以及将三维点云数据转化为多视图、体素网格等数据形式后再进行特征学习的方式,都存在处理环节多、三维特征损失大等问题,分类和分割的精度较低。目前可以直接处理点云数据的深度神经网络PointNet忽略了点云的局部细粒度特征,对复杂点云场景的处理能力较弱。针对上述问题,提出了一种基于动态图卷积和空间金
随着软件定义网络(Software Defined Network,SDN)技术的快速发展,互联网必将长期处于传统网络设备和SDN设备共存的混合SDN网络状态。混合SDN网络中的路由节能研究是一项关键
高维多目标连续优化问题已得到广泛研究,而高维多目标组合优化问题的进展相对较小,虽然人工蜂群(Artificial Bee Colony,ABC)算法已成功应用于多种生产调度问题,但很少被用来