.png){kind=icon}
返回
A Closed-Form Solution for Kernel Adaptive Filtering
.png){kind=icon}
PRE
AI
DOI：10.1016/j.sigpro.2026.110543.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 在一个基于数据依赖核函数的再生核希尔伯特空间（RKHS）中，提出了对维纳滤波器理论在非线性系统中的扩展。
• 在RKHS中的最优权重函数被解释为一个非线性差分方程。
• 该算法在测试集上的复杂度与训练集大小无关。其性能优于或等同于其他基于核的非线性滤波方法，同时提供了更具可解释性的解决方案。
Keyword:
Kernel Adaptive Filtering
Nonlinear Systems
Reproducing Kernel Hilbert Space
Optimal Weight Function
Closed-Form Solution
期刊
IF:
3.6
论文数:
10.0K
被引数:
1.7W
机构
引用论文
Fundamentals of Recurrent Neural Network (RNN) and Long Short-Term Memory (LSTM) network递归神经网络 (RNN) 和长短期记忆 (LSTM) 网络的基本原理
OAAI
.png){kind=icon}
OAAI分享收藏分享收藏RKHS approach to detection and estimation problems--IV: Non-Gaussian detectionRKHS方法在检测与估计问题中的应用——IV：非高斯检测
PREAI
分享收藏
分享收藏
查看更多内容