Zobrazeno 1 - 10
of 44
pro vyhledávání: '"Lopes, Cassio G."'
Publikováno v:
IEEE Transactions on Signal Processing, v. 71, p. 1817-1832, 2023
Adaptive networks (ANs) are effective real time techniques to process and track events observed by sensor networks and, more recently, to equip Internet of Things (IoT) applications. ANs operate over nodes equipped with collaborative adaptive filters
Externí odkaz:
http://arxiv.org/abs/2307.05746
Autor:
Pinheiro, Felipe C., Lopes, Cassio G.
This work proposes a low complexity nonlinearity model and develops adaptive algorithms over it. The model is based on the decomposable---or rank-one, in tensor language---Volterra kernels. It may also be described as a product of FIR filters, which
Externí odkaz:
http://arxiv.org/abs/1610.07520
Autor:
Lopes, Wilder B., Lopes, Cassio G.
This paper presents a new class of adaptive filters, namely Geometric-Algebra Adaptive Filters (GAAFs). They are generated by formulating the underlying minimization problem (a deterministic cost function) from the perspective of Geometric Algebra (G
Externí odkaz:
http://arxiv.org/abs/1608.03450
Autor:
Chamon, Luiz F. O., Lopes, Cassio G.
Parallel combinations of adaptive filters have been effectively used to improve the performance of adaptive algorithms and address well-known trade-offs, such as convergence rate vs. steady-state error. Nevertheless, typical combinations suffer from
Externí odkaz:
http://arxiv.org/abs/1608.03248
Autor:
Pinheiro, Felipe C., Lopes, Cássio G.
Nonlinear adaptive filtering allows for modeling of some additional aspects of a general system and usually relies on highly complex algorithms, such as those based on the Volterra series. Through the use of the Kronecker product and some basic facts
Externí odkaz:
http://arxiv.org/abs/1603.00427
This paper exploits Geometric (Clifford) Algebra (GA) theory in order to devise and introduce a new adaptive filtering strategy. From a least-squares cost function, the gradient is calculated following results from Geometric Calculus (GC), the extens
Externí odkaz:
http://arxiv.org/abs/1601.06044
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Pinheiro, Felipe C., Lopes, Cassio G.
Publikováno v:
2016 24th European Signal Processing Conference (EUSIPCO); 2016, p1603-1607, 5p
