Exploiting Observation Quality Information to Enhance the Steady-State Performance of Incremental LMS Adaptive Networks
- سال انتشار: 1390
- محل انتشار: نوزدهمین کنفرانس مهندسی برق ایران
- کد COI اختصاصی: ICEE19_299
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1209
نویسندگان
Faculty of Electrical and Computer Engineering, University of Tabriz
چکیده
In this paper, we investigate the effect of observation quality on the steady-state performance of incremental adaptive networks with LMS learning. We exploit the knowledge of observation quality to adjust the step-size parameter in an adaptive network according to nodes observation quality. We formulate the step-size assignment as a constrained optimization problem and then solve it via Lagrange multipliers approach. We show that applying the optimal step sizes in an incremental adaptive network improves its the steady-state performance. The simulation results are also presented to illustrate the derived theoretical resultsکلیدواژه ها
adaptive estimation; least mean-square (LMS); DILMS; distributed estimationمقالات مرتبط جدید
- ارزیابی اقتصادی و زیست محیطی سناریوهای ترکیب انرژی تجدیدپذیر در برنامه ریزی تولید برق ایران تا افق ۱۴۱۰
- بررسی فناوریها و استراتژیها برای بهینه سازی مصرف انرژی و افزایش کارایی در شبکه های توزیع
- فناوری اطلاعات و ارتباطات سبز
- Hoo Controller Design for a Quadruple-Tank Multivariable System: Robust Performance via Weighted Sensitivity Shaping
- تاثیر حیاتی همبستگیهای آماری ضعیف بادبار بر قابلیت اطمینان سیستمهای قدرت: دیدگاهی فراتر از مدلهای سنتی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.