首页/论文/1005.5170

arXiv 1005.51702010-05-25cs.LGmath.CV

一般Hilbert空间中的Wirtinger演算

Wirtinger's Calculus in general Hilbert Spaces

University of Athens（雅典大学）

P. Bouboulis

备注：: Report completed for the department of Informatics and Telecommunications of the University of Athens

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

本报告的灵感来自于作者及其同事需要了解Wirtinger微积分的基本理论，并进一步扩展到包括内核情况。本手稿的目的是双重的：a）它致力于提供相关材料的更严格的介绍，专注于作者认为更有见地的方面，b）它扩展了Wirtinger微积分在一般希尔伯特空间（如再生希尔伯特核空间）上的概念。

英文摘要：

The present report, has been inspired by the need of the author and its colleagues to understand the underlying theory of Wirtinger's Calculus and to further extend it to include the kernel case. The aim of the present manuscript is twofold: a) it endeavors to provide a more rigorous presentation of the related material, focusing on aspects that the author finds more insightful and b) it extends the notions of Wirtinger's calculus on general Hilbert spaces (such as Reproducing Hilbert Kernel Spaces).

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

Wirtinger演算在RKH空间中的推广及复核LMS

Extension of Wirtinger Calculus in RKH Spaces and the Complex Kernel LMS

University of Athens（雅典大学）

在过去的十年中，非线性处理的核方法已成功地用于机器学习社区。然而，到目前为止，重点一直放在批处理技术上。直到最近，在线自适应技术已被认为是在信号处理任务的背景下。据我们所知，到目前为止，还没有开发出能够处理复值信号的基于内核的策略。在本文中，我们利用一种技术称为复杂化的真正RKHS攻击这个问题。为了得到梯度和子梯度的运营商，需要定义在相关的复杂RKHS，我们采用了强大的工具Wirtinger的微积分，这是最近引起了人们的关注，在信号处理社区。辛格的微积分简化了计算，为处理复杂信号提供了一个优雅的工具。为此，在本文中，的概念扩展到，第一次，包括复杂的RKHS，并使用它来推导复杂的核最小均方（CKLMS）算法。实验证明，CKLMS算法可以用于非线性稳定算法，在处理非线性问题时，其性能优于传统的复数LMS算法和宽线性复数LMS（WL-LMS）算法。

2010-05-25cs.LG

Wirtinger演算在再生核Hilbert空间和复核LMS上的推广

Extension of Wirtinger's Calculus to Reproducing Kernel Hilbert Spaces and the Complex Kernel LMS

University of Athens（雅典大学）；Research Academic Computer Technology Institute（研究学术计算机技术研究所）

在过去的十年中，非线性处理的核方法已成功地用于机器学习社区。在这些方法中采用的主要数学工具是再生核希尔伯特空间的概念。然而，到目前为止，重点一直放在批处理技术上。直到最近，在线技术才被认为是自适应信号处理任务的背景下。此外，这些努力只集中在实值数据序列。据我们所知，没有自适应的基于内核的战略已经开发，到目前为止，复值信号。此外，虽然真实的再生内核被用于越来越多的机器学习问题，复杂的内核还没有被使用，尽管他们在处理复杂信号的应用程序中的潜在利益，与通信是一个典型的例子。在本文中，我们提出了一个通用的框架来攻击复杂信号的自适应滤波的问题，使用真实的再生内核，利用一种技术称为\textit{complexification}的真实RKHS，或复杂的再生内核，突出使用复杂的高斯内核。为了得到梯度的运营商，需要定义相关的复杂RKHS，我们采用了强大的工具Wirtinger的微积分，这最近引起了人们的注意，在信号处理界。为此，在本文中，Wirtinger的演算的概念进行了扩展，第一次，包括复杂的RKHS和使用它来获得几个实现的复杂的内核最小均方（CKLMS）算法。实验证明，CKLMS提供了显着的性能改善几个线性和非线性算法，当处理非线性。

2010-11-27cs.LG

增广复核LMS

The Augmented Complex Kernel LMS

University of Athens（雅典大学）；Research Academic Computer Technology Institute（研究学术计算机技术研究所）；University of Houston（休斯顿大学）

近年来，作者提出了一种基于自适应核的复数据信号处理的统一框架，该框架除了提供将输入数据映射到复再生核Hilbert空间的技术外，还发展了一种适用于一般Hilbert空间的Wirtinger类演算。在这篇简短的论文中，扩展Wirtinger的演算是采用推导复核基宽线性估计滤波器。此外，我们阐明了广泛的线性滤波器的几个重要特性。我们表明，虽然在许多情况下，从采用广泛的线性估计滤波器的收益，作为替代品，普通的线性的，是基本的，基于内核的广泛的线性滤波器的情况下，可以获得显着的性能改善。

2011-10-05cs.LG

复高斯核LMS算法

The Complex Gaussian Kernel LMS algorithm

University of Athens（雅典大学）

虽然真实的再生核被用于越来越多的机器学习问题，复杂的内核尚未被使用，尽管他们在应用程序，如通信的潜在利益。在这项工作中，我们专注于复高斯核及其在复核LMS算法中的可能应用。为了得到所需的梯度开发复杂的内核LMS（CKLMS），我们采用了强大的工具Wirtinger的微积分，这是最近引起了人们的关注，在信号处理社区。辛格的微积分简化了计算，为处理复杂信号提供了一个优雅的工具。为此，将RKHS的概念扩展到包括复杂的RKHS。实验证明，CKLMS算法在处理非线性时，比传统的复数LMS算法或宽线性复数LMS（WL-LMS）算法有显著的性能改善。

2010-05-06cs.LG

在无限维Hilbert空间中学习一些玩具约束优化问题的解

Learning solutions to some toy constrained optimization problems in infinite dimensional Hilbert spaces

International Centre for Theoretical Sciences - TIFR（塔塔基础研究所理论科学国际中心）；The University of Sydney（悉尼大学）

本文提出了罚函数法和增广Lagrangian法在无限维Hilbert空间中的深度学习实现，并在变分法与物理学的玩具问题上验证了其近似效果，同时利用Lagrange乘子更新规则实现了显著加速。

2024-01-08cs.LGmath.OC