鲁，鲁;赵海泉;陈巴东 采用平均绝对第三损失函数最小的核自适应滤波器进行时间序列预测。 （英语） Zbl 06882187号 非线性动力学。 90，第2期，999-1013（2017）. 摘要：本文提出了一种新的基于最小平均绝对三分之一（LMAT）损失函数的核自适应滤波器，用于各种噪声环境下的时间序列预测。结合核方法和LMAT损失函数的优点，所提出的KLMAT算法对不同概率密度的噪声具有鲁棒性。然而，KLMAT算法的一个重要局限性是在收敛速度和稳态预测误差之间进行权衡，而稳态预测误差是通过选择学习速度的某个值实现的。因此，基于洛伦兹函数我们分析了KLMAT算法的稳定性和收敛性，并导出了预测其学习速率行为的充分条件。此外，为了提高性能，进一步提出了KLMAT算法的核递归扩展。时间序列预测的仿真结果验证了所提算法的有效性。 引用于三文件 MSC公司： 62M10个 统计学中的时间序列、自相关、回归等（GARCH） 关键词：核自适应滤波器;最小平均绝对第三算法;可变学习率;递归算法;序列预测 PDF格式BibTeX公司 XML格式引用 \textit{L.Lu}等人，《非线性动力学》。90，第2号，999--1013（2017；Zbl 06882187） 全文： 内政部 参考文献： [1] Abounalasr，T.，Mayyas，K.：一种稳健的可变步长LMS型算法：分析和仿真。IEEE传输。信号处理。45(3), 631-639 (1997) ·数字对象标识代码：10.1109/78.558478 [2] Arqub，O.A.：用于求解模糊Fredholm-Volterra积分微分方程的再生核算法的自适应。神经计算。申请。(2015). doi:10.1007/s00521-015-2110-x·Zbl 1390.94278号 [3] Arqub，O.A.，Al-Smadi，M.，Momani，S.，Hayat，T.：再生核算法在解决二阶两点模糊边值问题中的应用。软计算。(2016). doi:10.1007/s00500-016-2262-3·Zbl 1377.65079号 ·doi:10.1007/s00500-016-2262-3 [4] Arqub，O.A.，Al-Smadi，M.，Momani，S.，Hayat，T.：使用再生核Hilbert空间方法的模糊微分方程的数值解。软计算。20, 3283-3302 (2016) ·Zbl 1377.65079号 ·doi:10.1007/s00500-015-1707-4 [5] Bershad，N.J.、Bermudez，J.C.M.：高斯输入的最小平均峰度算法的随机分析。数字。信号处理。54, 35-45 (2016) ·doi:10.1016/j.dsp.2016.03.012 [6] Black，M.J.，Rangarajan，A.：离群过程：统一线性过程和稳健统计。摘自：IEEE CS计算机视觉和模式识别会议（CVPR’94），第15-22页（1994） [7] Cao，Z.，Yu，S.，Principe，J.C.，Xu，G.，Chen，B.：北京PM2.5预测的多重自适应核大小KLMS。摘自：国际神经网络联合会议，第1403-1407页（2016） [8] Chambers，J.A.，Avlonitis，A.：稳健的混合形式自适应滤波算法。IEEE信号处理。莱特。4(2), 46-48 (1997) ·doi:10.1109/97.554469 [9] Chambers，J.A.，Tanrikulu，O.，Constantinides，A.G.：最小平均混合形式自适应滤波。电子。莱特。30(19), 1574-1575 (1994) ·doi:10.1049/el:19941060 [10] Chen，B.，Yang，X.，Ji，H.，Qu，H..，Zheng，N.，Principe，J.C.：裁剪仿射投影算法。在：国际神经网络联合会议（IJCNN），第1923-1928页（2014） [11] Chen，B.，Yuan，Z.，Zheng，N.，Principe，J.C.：核最小误差熵算法。神经计算121、160-169（2013）·doi:10.1016/j.neucom.2013.04.037 [12] Chen，B.，Zhao，S.，Zhu，P.，Principie，J.C.：核最小均方算法的均方收敛分析。信号处理。92(11), 2624-2632 (2012) ·doi:10.1016/j.sigpro.2012.04.07 [13] Chen，B.，Zhao，S.，Zhu，P.，Principe，J.C.：量化核最小均方算法。IEEE传输。神经网络。学习。系统。23(1), 22-32 (2012) ·doi:10.1109/TNNLS.2011.2178446 [14] Chen，B.，Zhao，S.，Zhu，P.，Principe，J.C.：量化核递归最小二乘算法。IEEE传输。神经网络。学习。系统。24（9），1484-1491（2013）·doi:10.1109/TNNLS.2013.2258936 [15] Chouvardas，S.，Draief，M.：非线性自适应网络的扩散核LMS算法。摘自：IEEE声学、语音和信号处理国际会议（ICASSP），第4164-4168页（2016年） [16] Costa，M.H.，Bermudez，J.C.M.：一种抗噪声的可变步长LMS算法。信号处理。88(3), 733-748 (2008) ·Zbl 1186.94097号 ·doi:10.1016/j.sigpro.2007.09.015 [17] Engel，Y.，Mannor，S.，Meir，R.：核递归最小二乘算法。IEEE传输。信号处理。52(8), 2275-2285 (2004) ·Zbl 1369.68280号 ·doi:10.1109/TSP.2004.830985 [18] Eweda，E.，Bershad，N.J.：使用白高斯参考自适应噪声抵消的稳定归一化最小平均值第四算法的随机分析。IEEE传输。信号处理。60(12), 6235-6244 (2012) ·Zbl 1393.94223号 ·doi:10.1109/TSP.2012.2215607 [19] García，J.a.，Vidal，a.R.F.，Sayed，a.H.：两个自适应滤波器凸组合的均方性能。IEEE传输信号处理。54(3), 1078-1090 (2006) ·Zbl 1373.94534号 ·doi:10.10109/TSP.2005.863126 [20] Gil-Cacho，J.M.、Signoretto，M.、van Waterschot，T.、Moonen，M.和Jensen，S.H.：基于滑动窗口泄漏核仿射投影算法的非线性声回波抵消。IEEE传输。音频语音语言处理。21(9), 1867-1878 (2013) ·doi:10.1109/TASL.2013.2260742 [21] Huang，B.，Xiao，Y.，Ma，Y.、Wei，G.G.、Sun，J.：傅里叶分析的简化变步长LMS算法及其统计特性。信号处理。117, 69-81 (2015) ·doi:10.1016/j.sigpro.2015.04.021 [22] Koike，S.I.：使用归一化符号-符号算法的自适应滤波器的收敛性分析。IEICE传输。芬达姆。电子。Commun公司。计算。科学。88(11), 3218-3224 (2005) ·doi:10.1093/ietfec/e88-a.11.3218 [23] Lee，Y.H.，Mok，J.D.，Kim，S.D.，Cho，S.H.：最小平均绝对三分之一（LMAT）自适应算法在各种噪声环境中的性能。电子。莱特。34(3), 241-243 (1998) ·doi:10.1049/el:19980181 [24] Li，C.，Shen，P.，Liu，Y.，Zhang，Z.：网络上分布式估计的扩散信息理论学习。IEEE Trans。信号处理。61(16), 4011-4024 (2013) ·Zbl 1393.94322号 ·doi:10.1109/TSP.2013.2265221 [25] Liu，Z.，Hu，Q.，Cui，Y.，Zhang，Q.：一种结合小波包和Tsallis熵的暂态扰动检测新方法。神经计算142393-407（2014）·doi:10.1016/j.neucom.2014.04.020 [26] Liu，W.，Park，Il，Wang，Y.，Principe，J.C.：扩展核递归最小二乘算法。IEEE传输。信号处理。57(10), 3801-3814 (2009) ·Zbl 1391.94306号 ·doi:10.1109/TSP.2009.2022007年 [27] Liu，W.，Pokharel，P.，Principe，J.C.：核最小均方算法。IEEE传输。信号处理。56(2), 543-554 (2008) ·Zbl 1390.94278号 ·doi:10.1109/TSP.2007.907881 [28] Liu，W.，Principe，J.C.：核仿射投影算法。EURASIP J.高级信号处理。2008(1), 1-13 (2008) ·Zbl 1184.68411号 ·doi:10.1155/2008/657032 [29] Liu，W.，Principe，J.C.，Haykin，S.：《内核自适应滤波：综合介绍》。新泽西州霍博肯威利（2010）·数字对象标识代码：10.1002/9780470608593 [30] Liu，J.，Qu，H.，Chen，B.，Ma，W.：核鲁棒混合形式自适应滤波。摘自：国际神经网络联合会议（IJCNN），第3021-3024页（2014） [31] Lu，L.，Zhao，H.：使用对数成本的连续lp形式的自适应Volterra滤波器用于非线性有源噪声控制。J.声音振动。364, 14-29 (2016) ·doi:10.1016/j.jsv.2015年1月102日 [32] Lu，L.，Zhao，H.，Chen，B.：用于α稳定噪声环境中非线性系统辨识的协作自适应Volterra滤波器。J.弗兰克尔。第353（17）号指令，4500-4525（2016）·Zbl 1349.93415号 ·doi:10.1016/j.jfranklin.2016.08.025 [33] Lu，L.，Zhao，H.，Chen，B.：基于对数成本的Volterra系统辨识改进可变目标系数递归算法。IEEE传输。电路系统。II 63（6），588-592（2016）·doi:10.10109/TCSII.2016.2531159文件 [34] Lu，L.，Zhao，H.，Chen，B.：KLMAT：核最小平均绝对第三算法（2016）。arXiv:1603.03564 [35] Lu，L.，Zhao，H.，Chen，B.：用于对抗脉冲干扰的可变混合参数量化核稳健混合形式算法（2015）。arXiv:1508.05232·Zbl 1364.94142号 [36] Lu，L.，Zhao，H.，Li，K.，Chen，B.：一种用于脉冲噪声干扰下系统识别的新型规范化符号算法。电路系统。信号处理。35(9), 3244-3265 (2015) ·Zbl 1364.94142号 ·doi:10.1007/s00034-015-0195-1 [37] Ma，W.，Duan，J.，Man，W.Zhao，H.，Chen，B.：基于平均p幂误差的鲁棒核自适应滤波器，用于噪声混沌时间序列预测。工程应用。Artif公司。智力。5810-110（2017）·doi:10.1016/j.engappai.2016.11.010 [38] Machado，J.A.T.：整数和分数动力系统的熵分析。非线性动力学。62(1), 371-378 (2010) ·Zbl 1211.37057号 [39] Masry，E.，Bullo，F.：自适应滤波符号算法的收敛性分析。IEEE Trans。《信息论》41（2），489-495（1995）·Zbl 0822.93070号 ·doi:10.1109/18.370150 [40] Mathews，V.J.，Cho，S.H.：使用符号算法改进随机梯度自适应滤波器的收敛性分析。IEEE传输。阿库斯特。语音信号处理。35(4), 450-454 (1987) ·Zbl 0633.93067号 ·doi:10.1109/TASSP.1987.1165167 [41] Miao，Q.Y.，Li，C.G.：核最小均值混合形式算法。摘自：自动控制和人工智能国际会议（ACAI），3月3-5日，第1285-1288页（2012） [42] Mitra，R.，Bhatia，V.：非线性分布式网络的扩散-KLMS算法及其性能分析（2015）。arXiv公司：1509.01352 [43] Papoulis，E.V.，Stathaki，T.：用于系统辨识的规范化鲁棒混合形式自适应算法。IEEE信号处理。莱特。11(1), 56-59 (2004) ·doi:10.1010/LSP.2003.819353 [44] Parreira，W.D.，Bermudez，J.C.M.，Richard，C.，Tourneret，J.Y.：高斯核最小均方算法的随机行为分析。IEEE传输。信号处理。60(5), 2208-2222 (2012) ·Zbl 1391.93254号 ·doi:10.1109/TSP.2012.2186132 [45] Pei，S.C.，Tseng，C.C.：自适应FIR滤波器的最小平均功率误差准则。IEEE J.选择。公共区域。12(9), 1540-1547 (1994) ·doi:10.1009/49.339922 [46] Schölkopf，B.，Smola，A.，Müller，K.R.：作为核心特征值问题的非线性分量分析。神经计算。10(5), 1299-1319 (1998) ·doi:10.1162/08997669830017467 [47] 田，J.，顾，H.，高，C.，廉，J.：用于异常检测的局部密度一类支持向量机。非线性动力学。64(1-2), 127-130 (2011) ·doi:10.1007/s11071-010-9851-y [48] Walach，E.，Widrow，B.：最小平均四阶（LMF）自适应算法及其家族。IEEE传输。《信息论》30（2），275-283（1984）·doi:10.1109/TIT.1984.1056886 [49] Wang，S.，Feng，J.，Tse，C.K.：抗脉冲干扰的核仿射投影符号算法。IEEE传输。电路系统。II 60（11），811-815（2013）·doi:10.1109/TCSII.2013.2281712 [50] Wang，S.、Zheng，Y.、Duan，S.，Wang，L.、Chi，K.T.：一类改进的指数最小和算法。信号处理。128, 340-349 (2016) ·doi:10.1016/j.sigpro.2016.05.005 [51] Wu，P.，Duan，F.，Guo，P.：多核学习中的预选基核方法。神经计算165，46-53（2015）·doi:10.1016/j.neucom.2014.06.094 [52] Wu，Z.，Shi，J.，Zhang，X.，Ma，W.，Chen，B.：核递归最大相关熵。信号处理。117, 11-16 (2015) ·doi:10.1016/j.sigpro.2015.04.024 [53] Yang，J.，Guan，J.、Ning，Y.、Liu，Q.：一种应用于有源电力滤波器的新型自适应谐波检测算法。摘自：《第三届国际图像信号处理大会会议记录》，10月16日至18日，第7卷，第3287-3290页（2010） [54] Yang，X.，Qu，H.，Zhao，J.，Chen，B.：混合仿射投影算法。摘自：第十三届控制自动化机器人与视觉国际会议（ICARCV），第964-968页（2014） [55] Yazdi，H.S.，Pakdaman，M.，Modaghegh，H.：求解常微分方程的无监督核最小均方算法。神经计算74（12），2062-2071（2011）·doi:10.1016/j.neucom.2010.12.026 [56] Yu，Y.，Zhao，H.：基于Versiera函数的改进变步长NLMS算法。摘自：IEEE信号处理、通信和计算国际会议，8月5-8日，第1-4页（2013） [57] Zhang，H.，Yang，T.，Xu，W.，Xu，Y.：三阱势系统中非高斯噪声对逻辑随机共振的影响。非线性动力学。76(1), 649-656 (2014) ·兹比尔1319.62238 ·doi:10.1007/s11071-013-1158-3 [58] Zhao，S.，Chen，B.，Cao，Z.，Zhu，P.，Principe，J.C.：自组织内核自适应滤波。EURASIP J.高级信号处理。2016(1), 106 (2016) ·doi:10.1186/s13634-016-0406-3 [59] Zhao，S.，Chen，B.，Principe，J.C.：最大相关熵准则的核自适应滤波。在：国际神经网络联合会议（IJCNN），第2012-2017页（2011年）·Zbl 1377.65079号 [60] Zhao，S.，Chen，B.，Zhu，P.，Principe，J.C.：固定预算量化核最小均方算法。信号处理。93(9), 2759-2770 (2013) ·doi:10.1016/j.sigpro.2013.02.012 [61] Zhao，H.，Gao，S.，He，Z.，Zeng，X.，Jin，W.，Li，T.：使用基于流水线结构的新型递归小波神经网络识别非线性动态系统。IEEE传输。Ind.Electron公司。61(8), 4171-4182 (2014) ·doi:10.1109/TIE.2013.2288196 [62] Zhao，S.、Man，Z.、Khoo，S.，Wu，H.R.：商形式的变步长LMS算法。信号处理。89(1), 67-76 (2009) ·Zbl 1151.94441号 ·doi:10.1016/j.sigpro.2008.07.013 [63] Zhao，X.，Shang，P.：基于去趋势互相关分析的非平稳时间序列主成分分析。非线性动力学。84(2), 1033-1044 (2016) ·Zbl 1359.62391号 ·doi:10.1007/s11071-015-2547-6 [64] Zhao，J.，Wang，T.，Ma，W.，Qu，H.：基于内核的网络流量预测。In:信息科学与控制工程（ICISCE 2012），第1-5页（2012） [65] Zhao，H.，Yu，Y.，Gao，S.，Zeng，X.，He，Z.：一种新的归一化LMAT算法及其性能分析。信号处理。105, 399-409 (2014) ·doi:10.1016/j.sigpro.2014.05.018 [66] Zhao，J.，Zhang，G.：针对同步相量测量噪声和异常值的稳健Prony方法。IEEE传输。电力系统。(2016). doi:10.1109/TPWRS.2016.2612887·doi:10.1109/TPWRS.2016.2612887 [67] Zhou，Y.，Chan，S.C.，Ho，K.L.：脉冲噪声中鲁棒自适应系统辨识的新序列部分更新最小均值M估计算法。IEEE传输。Ind.Electron公司。58(9), 4455-4470 (2011) ·doi:10.1109/TIE.2010.2098359 此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。