自适应算法

编辑
本词条由“匿名用户” 建档。
目录

自适应算法

编辑

自适应算法是一种在运行时根据可用信息和先验定义的奖励机制(或标准)来改变其行为的算法。这种信息可以是最近收到的数据的故事,可用计算资源的信息,或其他运行时获得的(或先验已知的)与它所处环境有关的信息。最常用的自适应算法是Widrow-Hoff的最小平均数(LMS),它代表了一类用于自适应过滤和机器学习的随机梯度修正算法。在自适应滤波中,LMS是通过寻找与产生误差信号(所需信号和实际信号之间的差异)的最小均方有关的滤波器系数来模仿所需的滤波器。

正如C++标准库所实现的那样,stable_partition是自适应的,因此它获取尽可能多的内存(最多需要多少),并使用这些可用的内存应用算法。另一个例子是自适应排序,它的行为在其输入的预排序时发生变化。雷达系统中自适应算法的一个例子是恒定误报率(CFAR)检测器。在机器学习和优化中,许多算法是自适应的或有自适应的变体,这通常意味着算法的参数,如学习率,会根据迄今为止的优化的统计数据(如收敛率)自动调整。

自适应滤波图

数据压缩中,自适应编码算法,如自适应哈夫曼编码或部分匹配的预测,可以把数据流作为输入,并根据已经遇到的符号来调整其压缩技术。在信号处理中,MiniDisc录音机中使用的自适应变换声学编码(ATRAC)编解码器被称为自适应,因为窗口长度(一个音频块的大小)可以根据被压缩的声音的性质而改变,以尝试实现最佳听觉的压缩策略。

内容由匿名用户提供,本内容不代表vibaike.com立场,内容投诉举报请联系vibaike.com客服。如若转载,请注明出处:https://vibaike.com/163368/

(2)
词条目录
  1. 自适应算法

轻触这里

关闭目录

目录