In terms of signal samples, we propose and justify a new rank reduced multi-term transform, abbreviated as MTT, which, under certain conditions, may provide better-associated accuracy than that of known optimal rank reduced transforms. The basic idea is to construct the transform with more parameters to optimize than those in the known optimal transforms. This is realized by the extension of the known transform structures to the form that includes additional terms - the MTT has four matrices to minimize the cost. The MTT structure has also a special transformation that decreases the numerical load. As a result, the MTT performance is improved by the variation of the MTT components.


翻译:在信号样品方面,我们提议并论证一种新的降级多期变换,减缩为MTT, 在某些条件下,MTT可能比已知的最佳变换更具有关联性,其基本想法是构建比已知的最佳变换更多的最优化参数。通过将已知变换结构扩展为包括附加条件在内的形式,实现这一点:MTT有四个矩阵,以尽量减少费用。MTT结构也有特殊变换,以减少数字负荷。因此,MTT的性能因MTT组成部分的变换而得到改善。

0
下载
关闭预览

相关内容

专知会员服务
66+阅读 · 2021年7月11日
专知会员服务
17+阅读 · 2021年4月16日
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
43+阅读 · 2019年1月3日
下载 | 最优化算法鸟视解读
专知
54+阅读 · 2018年12月17日
Arxiv
0+阅读 · 2022年1月13日
Arxiv
3+阅读 · 2014年10月9日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
27+阅读 · 2019年5月22日
逆强化学习-学习人先验的动机
CreateAMind
16+阅读 · 2019年1月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
43+阅读 · 2019年1月3日
下载 | 最优化算法鸟视解读
专知
54+阅读 · 2018年12月17日
Top
微信扫码咨询专知VIP会员