权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

再生核適応フィルタに基づく非線形時系列データ予測アルゴリズムの研究

基于再生核自适应滤波器的非线性时间序列数据预测算法研究

基本信息

批准号：
18J21595
负责人：
滝沢雅明
金额：
$ 1.6万
依托单位：
Keio University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2018
资助国家：
日本
起止时间：
2018-04-25 至 2021-03-31
项目状态：
已结题

项目摘要

既存の再生核適応フィルタでは，推定対象の関数に応じて再生核自身のパラメータを手動で設定する必要があった．例えば，ガウス核の場合には，ガウスの幅がパラメータであり，推定対象の関数の周波数成分に応じて適切に決定する必要があった．これらの問題点は時系列予測の応用においても推定精度に大きな影響を与えうるため，昨年度，再生核自身のパラメータを自動的に調整する再生核適応アルゴリズムの提案を行った．本アルゴリズムについて，さらなる性能検証を実施し，初期パラメータ選択に対するロバスト性を数値実験にて実証した．また，コスト関数の単調減少性を含む理論的な解析を実施し，これらの成果をまとめた論文はIEEE Accessに再録されている本アルゴリズムの性能検証を通して，ガウス幅の初期値が最適幅から遠い際に，学習の速度が著しく遅くなることを確認した．そこで，コスト関数への補正を加えることにより，ガウス幅の学習速度の改善を試みた．本研究の成果は2020年5月に開催されたICASSP 2020に採択され発表を行った．さらに，時系列データが非定常であることを想定し，非定常なシステムを高速に追従する非線形推定アルゴリズムを検討した．推定アルゴリズムは再生核適応フィルタを基とし，多核適応アルゴリズムをさらに拡張することにより高速な推定を実現する．アルゴリズムの構築および実装は実現されており，簡単な数値実験では有効性が確認できた．今後，さらに詳細な性能評価および既存アルゴリズムとの比較を行い，論文にまとめる．

The number of estimated objects is required to manually set the parameters of the existing regenerative core. For example, in the event of a collision, the amplitude of the collision is determined by the frequency component of the estimated object. This problem points to the use of time series prediction, estimation accuracy, large impact, and last year, the regeneration core itself, the automatic adjustment, the regeneration core adaptation, and the proposal. This is the first time that the performance of the company has been demonstrated. In this paper, IEEE Access re-recorded the performance model of the system, and confirmed that the learning speed is very fast.そこで，コスト关数への补正を加えることにより，ガウス幅の学习速度の改善を试みた. The results of this study were published in May 2020 for ICASSP 2020. The time series is unsteady, the time series is non-linear, and the time series is non-linear. Presumption of high speed in nuclear regeneration The construction of the building is not complete, the number of simple values is not effective, and the confirmation is made. In the future, detailed performance evaluation and comparison will be carried out.

项目成果

期刊论文数量（5）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Steepening Squared Error Function Facilitates Online Adaptation of Gaussian Scales

DOI：
10.1109/icassp40776.2020.9054092
发表时间：
2020-05
期刊：
ICASSP 2020 - 2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
影响因子：
0
作者：
Masa-aki Takizawa;M. Yukawa
通讯作者：
Masa-aki Takizawa;M. Yukawa

An Efficient Online Learning Method Based on Self-tuned Gaussian Kernels

一种基于自调高斯核的高效在线学习方法

DOI：
发表时间：
2019
期刊：
影响因子：
0
作者：
Hideki Matsuoka;Masaki Nakano;Yoshimitsu Kohama;Yue Wang;Yuta Kashiwabara;Satoshi Yoshida;Kazuki Matsui;Takashi Shitaokoshi;Takumi Ouchi;Kyoko Ishizaka;Tsutomu Nojima;Masashi Kawasaki;Yoshihiro Iwasa;堤　智香;Masa-aki Takizawa and Masahiro Yukawa;Masa-aki Takizawa;Masa-aki Takizawa;Masa-aki Takizawa
通讯作者：
Masa-aki Takizawa

Joint Learning of Model Parameters and Coefficients for Online Nonlinear Estimation

DOI：
10.1109/access.2021.3053651
发表时间：
2021
期刊：
IEEE Access
影响因子：
3.9
作者：
Masa-aki Takizawa;M. Yukawa
通讯作者：
Masa-aki Takizawa;M. Yukawa

Online Learning with Self-tuned Gaussian Kernels: Good Kernel-initialization by Multiscale Screening

DOI：
10.1109/icassp.2019.8683899
发表时间：
2019-05
期刊：
ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
影响因子：
0
作者：
Masa-aki Takizawa;M. Yukawa
通讯作者：
Masa-aki Takizawa;M. Yukawa