• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural Networks and Learning Systems, IEEE Transactions on >Quantized Kernel Recursive Least Squares Algorithm
【24h】

Quantized Kernel Recursive Least Squares Algorithm

机译：量化内核递归最小二乘算法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In a recent paper, we developed a novel quantized kernel least mean square algorithm, in which the input space is quantized (partitioned into smaller regions) and the network size is upper bounded by the quantization codebook size (number of the regions). In this paper, we propose the quantized kernel least squares regression, and derive the optimal solution. By incorporating a simple online vector quantization method, we derive a recursive algorithm to update the solution, namely the quantized kernel recursive least squares algorithm. The good performance of the new algorithm is demonstrated by Monte Carlo simulations.
机译：在最近的论文中，我们开发了一种新颖的量化内核最小均方算法，其中输入空间被量化（划分为较小的区域），网络大小由量化码本大小（区域数）限制。在本文中，我们提出了量化的核最小二乘回归，并得出了最优解。通过合并一个简单的在线矢量量化方法，我们得出了一种递归算法来更新解决方案，即量化内核递归最小二乘算法。蒙特卡洛仿真证明了新算法的良好性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号