Сеть с симметричной функцией преобразования нейронов на основе статистик высокого порядка для снижения шума нестационарного сигнала
Автор: Малыхина Г.Ф., Меркушева А.В.
Журнал: Научное приборостроение @nauchnoe-priborostroenie
Рубрика: Математические модели
Статья в выпуске: 4 т.18, 2008 года.
Бесплатный доступ
Проанализирован метод создания сети с симметричной функцией преобразования нейронов, построенный на основе статистик высокого порядка (СВП). Показано, что такая сеть обеспечивает снижение шума нестационарного сигнала. При этом в информационно-измерительной системе хорошо подавляются шумы с распределением Гаусса и шумы с негауссовым, но симметричным распределением. Показана структура сети на основе СВП, сравнение ее с базовой структурой сети с симметричной функцией преобразования нейронов и алгоритмом обучения, использующим критерий МНК.
Короткий адрес: https://sciup.org/14264565
IDR: 14264565 | УДК: 621.391;
Network with symmetrical neurons transformation function based on higher-order statistics for lowering the noise of unstationary signal
The method for network designing with symmetrical neurons transformation functions (SNTF) based on higher-order statistics (HOS) was analyzed. This network was shown to provide noise lowering for un-stationary signal. In the information-measurement systems noises with Gauss distribution and noises with non-Gauss but symmetric distribution are well suppressed. The structure of the network based on HOS is shown, and is compared with the network structure (having SNTF) and common learning LMS algorithm.
