|
关注：1
2013-05-23 12:21
求翻译：Motivated by Least Absolutely Shrinkage and Selection Operator (LASSO) [11] and the recent research on Compressive Sensing (CS) [12], a new LMS algorithm with L0 norm constraint is proposed in order to accelerate the sparse system identification. Specifically, by exerting the constraint to the standard LMS cost functio是什么意思？ 待解决
 悬赏分：1
- 离问题结束还有
Motivated by Least Absolutely Shrinkage and Selection Operator (LASSO) [11] and the recent research on Compressive Sensing (CS) [12], a new LMS algorithm with L0 norm constraint is proposed in order to accelerate the sparse system identification. Specifically, by exerting the constraint to the standard LMS cost functio
问题补充： |
|
2013-05-23 12:21:38
null
|
|
2013-05-23 12:23:18
动机是最绝对的收缩和选择操作员(套索)[11]和最近的研究压缩传感(CS)[12]新的LMS算法与L 0的规范约束,以便加快稀疏的标识系统。 具体地说,通过施加的限制标准的LMS成本功能,该解决方案将稀疏矩阵和梯度血统的递归将加速融合的接近零系数的稀疏矩阵系统。
|
|
2013-05-23 12:24:58
由最少收缩和选择操作员LASSO 11 (和) (对) 压缩感觉的CS 12的最近研究 (绝对) (刺激)，一种新的LMS算法以L0准则限制提议为了加速稀稀落落的系统辨识。 具体地，将通过施加限制到标准LMS价值函数，解答是稀稀落落的，并且梯度下降递归在稀稀落落的系统将加速近的零系数汇合。 此外，运用部份更新的方法， L0准则限制造成的另外的计算的复杂性减少。 模仿表示，新的算法为稀稀落落的系统辨识很好执行。
|
|
2013-05-23 12:26:38
出于最不绝对收缩和运算符 (套索选择) [11] 和最近的研究对压缩传感 (CS) [12]，加速稀疏系统辨识提出了新的 LMS 算法与 L0 范数约束。具体来说，施加到标准 LMS 成本函数约束，该解决方案将稀疏和梯度下降递归将加快收敛速度接近零系数的稀疏系统中。此外，使用部分的更新方法，L0 范数约束所造成的额外计算复杂度是远远降低。仿真结果表明新算法执行好的稀疏系统辨识。
|
|
2013-05-23 12:28:18
正在翻译，请等待...
|
湖北省互联网违法和不良信息举报平台 | 网上有害信息举报专区 | 电信诈骗举报专区 | 涉历史虚无主义有害信息举报专区 | 涉企侵权举报专区
