Identification en ligne avec régularisation L1. Algorithme et analyse de convergence en environnement non-stationnaire - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2013

Identification en ligne avec régularisation L1. Algorithme et analyse de convergence en environnement non-stationnaire

Résumé

This paper presents an online system identification method with L1-norm regularization. Convergence analysis is performed for non-stationary environments. This work is a significant extension of the non-negative LMS in both aspects of algorithm derivation and convergence analysis. According to its performance and computational cost, the proposed algorithm performs similarly as the LMS algorithm but incorporates L1-regularization. Experiments validate the proposed algorithm and its convergence analysis
Cet article présente une méthode d'identification en ligne de système linéaire avec régularisation L1. L'analyse de convergence est effectuée pour des environnements non-stationnaires. Ce travail est une extension significative des algorithmes de la famille non-negative LMS, à la fois dans la forme de l'algorithme et de l'analyse de convergence. Par ses performances et son coût calculatoire réduit, l'algorithme présente des caractéristiques comparables à l'algorithme LMS tout en prenant en compte la régularisation L1. Des simulations valident la méthode proposée et le modèle de convergence.
Fichier principal
Vignette du fichier
13.gretsi.sparseonline.pdf (893.61 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

hal-01966002 , version 1 (27-12-2018)

Identifiants

  • HAL Id : hal-01966002 , version 1

Citer

Jie Chen, Cédric Richard, José C. M. Bermudez, Paul Honeine. Identification en ligne avec régularisation L1. Algorithme et analyse de convergence en environnement non-stationnaire. Actes du 24-ème Colloque GRETSI sur le Traitement du Signal et des Images, 2013, Brest, France. ⟨hal-01966002⟩
36 Consultations
23 Téléchargements

Partager

Gmail Facebook X LinkedIn More