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

• 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
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-18J21595/
• 关键词: 適応非線形関数推定; 再生核; 再生核適応フィルタ; パラメータ最適化

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．

现有的再生核自适应滤波器中，需要根据待估计的函数手动设置再生核本身的参数。例如，在高斯核的情况下，高斯的宽度是一个参数，并且必须根据要估计的函数的频率分量来适当地确定。 这些问题即使在时间序列预测的应用中也会对估计精度产生很大的影响，因此去年我们提出了一种再生核自适应算法，可以自动调整再生核本身的参数。 我们通过数值实验进一步验证了该算法的性能，并证明了其对初始参数选择的鲁棒性。此外，我们还对成本函数的单调递减性质进行了理论分析，总结这些结果的论文转载于IEEE Access。通过该算法的性能验证，我们发现高斯宽度的初始值发生了改变我们证实，当距离较远时，学习速度会显着减慢。因此，我们尝试通过对成本函数添加修正来提高高斯宽度的学习速度。这项研究的结果被采纳并在 2020 年 5 月举行的 ICASSP 2020 上发表。此外，假设时间序列数据是非平稳的，我们研究了一种可以快速跟踪非平稳系统的非线性估计算法。该估计算法基于再生核自适应滤波器，通过进一步扩展多核自适应算法实现高速估计。该算法已经构建并实现，并通过简单的数值实验证实了其有效性。未来我们将与现有算法进行更详细的性能评估和比较，并总结成论文。

项目成果

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)
• 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

• 发表时间: 2019
• 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