线性 MMSE 滤波器的自动正则化
原文中文,约400字,阅读约需1分钟。发表于: 。在此研究中,我们考虑了最小均方误差(MMSE)线性滤波器中的正则化问题。通过利用与统计机器学习方法的关系,我们以简单且自动的方式从观测信号中找到了正则化参数。我们通过系统辨识示例说明了所提出的方法,其中自动正则化产生了接近最佳结果。
该论文介绍了两种新颖的在线多任务学习回归问题的方法,分别基于高性能的基于图的多任务学习和基于加权递归最小二乘法(WRLS)和在线稀疏最小二乘支持向量回归(OSLSSVR)的递归版本。通过任务堆叠变换,我们证明存在一个单一矩阵,其中包含多个任务的关系,并提供结构信息供 MT-WRLS 方法在其初始化过程中和 MT-OSLSSVR 的多任务核函数中体现。与现有的以在线梯度下降(OGD)或不精确立方方法为主的文献形成对比,我们实现了在输入空间维度(MT-WRLS)或实例字典大小(MT-OSLSSVR)上具有二次每实例成本的精确和近似递归。我们通过一个真实的风速预测案例研究将我们的在线多任务学习方法与其他竞争者进行比较,证明了两种提出的方法在性能上的显著收益。