最小均方算法LMS总结
来源:互联网 发布:网页设计和美工的区别 编辑:程序博客网 时间:2024/06/11 03:52
一、算法介绍
最小均方算法(Least Mean Square,LMS)由 Bernard Widrow 和 Marcian E. Hoff提出,用于修正滤波器参数使均方差(Mean Square Error,MSE)达到最小。
LMS算法可认为是机器学习里面最基本也比较有用的算法,神经网络中对参数的学习使用的就是LMS的思想,在通信信号处理领域LMS也非常常见,比如自适应滤波器。
二、算法详解
LMS的各种最优化方式有几下几类:
1、LMS滤波结构
原理上跟感知机也差不多,也是对包含一组共M个元素的x1、x2、x3。。。xM的输入用一个线性组合器处理,也就是对其进行加权求和,得出结果y,与期望响应d相比较,获得误差信号e,并由此修正权值,如下图:
可以表述成:
y(i)=w1(i)x1(i)+w2(i) x2(i)+w3(i) x3(i)+…+wM(i) xM(i)
误差信号为期望响应跟输出的差,即:
e(i)=d(i)-y(i)
三、总结
之前自学过斯坦福大学的机器学习公开课的一部分,对LMS算法还是挺理解的,这里就简单总结总结,不详细展开了。
参考资料:
http://blog.csdn.net/qq_32611933/article/details/52008538
https://baike.baidu.com/item/%E6%9C%80%E5%B0%8F%E5%9D%87%E6%96%B9%E7%AE%97%E6%B3%95/12725098?fr=aladdin
http://blog.csdn.net/xiahouzuoxin/article/details/9749689
- 最小均方算法LMS总结
- LMS最小均方算法
- LMS最小均方算法
- LMS最小均方算法
- 最小均方(LMS)算法
- 最小均方算法 LMS
- Python实现最小均方算法(lms)
- 最小均方算法(LMS)
- 最小均方算法(LMS)
- 机器学习小组知识点2:最小均方算法(LMS)
- 【信源编码作业】6. 最小均方算法(LMS)
- (信源五)最小均方算法--LMS
- 信源编码第五次作业-LMS最小均方算法
- 最小均方算法(LMS)的原理
- 最小均方算法(LMS Algorithm)理论及DSP实现
- 最小均方算法(LMS Algorithm)理论及DSP实现
- 最小均方算法(LMS Algorithm)理论及DSP实现
- 记一下机器学习笔记 最小均方(LMS)算法
- vscode 取色器插件
- Python中的输入输出(IO)
- ubuntu 14.04 下驱动hokuyo urg_04lx_ug01,获取并处理数据
- EXCEL排序 (sort)
- 在O(1)时间复杂度内删除指定节点
- 最小均方算法LMS总结
- linux 常用操作
- Hadoop基础教程-第10章 HBase:Hadoop数据库(10.3 HBase安装与配置)(草稿)
- HTML5中sublime Text3的常用插件的安装及使用
- linux初学者-sshd服务
- UBUNTU 16.10 上装 Google Earth!
- 【每日算法】插入排序&选择排序&冒泡排序
- Servlet与HttpServlet
- 移动端触摸事件