BriefGPT - AI 论文速递
·
基于离散余弦变换的自适应函数逼近
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文研究了以余弦基函数为基础的无记忆单变量连续函数逼近方法，通过有监督学习获得逼近系数。该方法简单且具有可控的收敛时间和误差调整，通过仿真实例展示了其性能。
🎯
关键要点
-
本文研究了以余弦基函数为基础的无记忆单变量连续函数逼近方法。
-
通过有监督学习获得逼近系数，而非使用离散余弦变换（DCT）。
-
余弦基函数具有有限动态和正交性质，适合简单的梯度算法，如归一化最小均方（NLMS）算法。
-
该方法具有可控且可预测的收敛时间和误差调整。
-
由于其简单性，该技术在学习质量与复杂性方面排名第一。
-
该方法被提出作为更复杂的有监督学习系统中使用的一种有吸引力的技术。
-
通过仿真实例展示了该方法的性能。
-
本文庆祝了1973年Nasir Ahmed发表离散余弦变换（DCT）的50周年。
🏷️
