文献类型：期刊文章

作　　者：孙守宇[1,2] 郑君里[1,2] 吴里江[1,2] 赵莹[1,2]

机构地区：[1]清华大学电子工程系,北京100084 [2]北京信息技术研究所,北京100088

出　　处：《电子学报》

年　　份：2005

卷　　号：33

期　　号：3

起止页码：473-476

语　　种：中文

收录情况：BDHX、BDHX2004、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：2005219118647)、IC、INSPEC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

摘　　要：本文提出了一种自适应学习率盲信源分离的自然梯度算法 ,自适应学习率仅依赖于神经网络输出峭度平方和的负指数 .开始阶段由于小的峭度 ,学习率大收敛速度快 .之后 ,随着峭度变大 ,学习率慢慢变小 ,产生小的稳态误差 .在线性无记忆混合的情况下 ,用欠高斯信源进行的模拟实验表明 ,与固定学习率相比 ,本文提出的峭度自适应学习率盲信源分离算法具有收敛速度快和稳态误差小的特点 .

关 键 词：自适应 学习率 盲信源分离 峭度

分 类 号：TN911]