.png){kind=icon}
返回
A novel noise-robust method for efficient online data decomposition
.png){kind=icon}
PRE
AI
DOI：10.1080/00207721.2025.2474135.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
鉴于数据分解在管理各领域复杂数据集中的关键作用，解决噪声问题至关重要，因为噪声会显著降低分解性能。本研究强调了抗噪声数据分解的重要性，并提出了一种新型在线方法，旨在噪声条件下实现高效可靠的分解。为应对这一挑战，我们定义了一个优化目标，该目标同时抑制噪声并满足物理约束。为缓解基于梯度下降的方法对初始条件的敏感性（这通常会导致局部最优），我们简化了所提出的优化目标并采用了先进技术。该方法消除了无关变量，充分利用了稀疏矩阵的效率，并快速求解空间和时序模态，显著提升了整体性能。本文提供了理论推导和分析，以阐明优化过程及其对噪声鲁棒性的影响。数值实验表明，所提出的方法有效避免了局部最优，并在噪声鲁棒性方面优于传统方法。具体而言，在真实数据实验中，所提出的方法将重构数据的均方根误差降低了89.6%，而现有方法仅降低了68.06%，实现了31.6%的相对改进。这些结果突显了所提出方法在实际应用中的卓越可靠性和鲁棒性。
Keyword:
Artificial intelligence application
optimisation method
anti-noise robustness
online optimisation
期刊
I
IF:
4.6
论文数:
1.1K
被引数:
7.3K
机构
引用论文
.png){kind=icon}
分享收藏From Davidenko Method to Zhang Dynamics for Nonlinear Equation Systems Solving从Davidenko方法到非线性方程组求解的张动力学
PREAI
分享收藏A Novel Supertwisting Zeroing Neural Network With Application to Mobile Robot Manipulators一种新的超扭曲归零神经网络及其在移动机器人中的应用
PREAI
分享收藏Fraud detection in publicly traded U.S firms using Beetle Antennae Search: A machine learning approach使用甲壳虫天线搜索的美国公开交易公司的欺诈检测: 一种机器学习方法
PREAI
分享收藏
A novel real-time noise-resilient zeroing neural network and its applications to matrix problem solving一种新型实时抗噪声的零化神经网络及其在矩阵问题求解中的应用
PREAI
分享收藏
查看更多内容