这个天然系统对于每一个输入有一个强非线性的转换函数,但是现在数据只有多个输出叠加以后形成的一个波
这个波 0 时刻只受 0 时刻输入影响
1 时刻则受 0 时刻的余波和 1 时刻输入的影响,2 时刻受 0 时刻、1 时刻的余波和 2 时刻输入的影响 以此类推
用 ANN 的话,数据是没有标签的,因为每个时刻输出是受到之前多个时刻输入的影响
关键是现在通过经验已经可以大致猜出转换函数,模拟效果也不错,但我想用神经网络来进行一下包装
这个能用机器学习的手段来做吗?
想请了解的朋友帮帮忙,可以请你吃肥宅王~~
1
no1xsyzy 2021-03-30 09:54:02 +08:00
不是很清楚机器学习,不过看上去就是求 correlation function,这方面线性系统研究会比较多一点
不过因为泰勒展开之类的数学关系在,可能你用协方差展开后的前若干项大概也够用了。这个 “若干” 就逐渐增加到预测的二乘足够小吧。 不过其实我这部分信号系统什么的没有亲手实践过…… 顺便,天然系统是指非人造的意思吗?感觉这个余波更可能是自相关,毕竟非人造系统通常不会有很多 “存储空间”,几乎所有的存储空间都来自延迟,除非自相关否则无法受久远过去的影响,反之自相关的可能性还非常高。 |
3
TimePPT 2021-03-30 10:18:50 +08:00
没太明白 LZ 的目的是啥,不过记得看文献时候有看到结合小波分析和神经网络的 WNN,你可以搜下看是否满足
|
4
no1xsyzy 2021-03-30 10:24:43 +08:00
@yjsp1919 “每个输入” 听上去是个离散时间系统?
难道是查表后线性叠加? 非人造系统是不太可能无限回溯的,不过可能激发回应的是随时间缩小?那样的话其实在足够小了以后忽略也行的。 (以下瞎想)在共鸣腔那样的结构内无限回弹,那样的话类似在频域上存储无限的信息倒不是不可能。你说的这个系统是不是一个乐器? |
5
lllllliu 2021-03-30 10:32:31 +08:00
这是在做音源分离么。。
|
6
chenyu8674 2021-03-30 15:31:45 +08:00
数个波的叠加,第 N 号波从第 N 个时点开始?
每个独立波的特征可以确定的话,试试用傅里叶变换来分离? |