没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
试读
27页
如果数据样本随着时间的推移变得可用,则学习任务是连续的。 内核自适应滤波器 (KAF) 是顺序学习算法。 KAF 面临两个主要挑战:(1)缺乏确定在线学习环境中内核大小的有效方法; (2) 如何调整步长参数。 我们提出了一个使用 KAF 进行在线预测的框架,它不需要一组预定义的内核大小; 相反,内核大小以在线顺序方式创建和更新。 此外,为了改善收敛时间,我们提出了一种在线技术来优化步长参数。 该框架在两个真实世界的数据集上进行了测试,即互联网流量和外汇市场。 结果表明,在没有任何特定超参数调整的情况下,我们的提议可以更快地收敛到相对较低的均方误差值,并获得更好的准确性。
资源推荐
资源评论
资源评论
weixin_38564085
- 粉丝: 5
- 资源: 938
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功