基于反馈神经网络的稀疏信号恢复的优化算法
针对稀疏信号的重构问题,提出了一种基于反馈神经网络(RNN)的优化算法.首先,需要对信号进行稀疏表示,将数学模型化为优化问题;接着,基于l0范数是非凸且不可微的函数,并且该优化问题是NP难的,因此在测量矩阵A满足有限等距性质(RIP)的前提下,提出等价优化问题;最后,通过建立相应的Hopfield反馈神经网络模型来解决等价的优化问题,从而实现稀疏信号的重构.实验结果表明,在不同观测次数m下,对比RNN算法和其他三种算法的相对误差,发现RNN算法相对误差小,且需要的观测数也少,能够高效地重构稀疏信号.
稀疏信号 恢复算法 等价优化 反馈神经网络
汪星星 李国成
北京信息科技大学 理学院,北京100192
国内会议
第十七届中国Rough集与软计算学术会议、第十一届中国Web智能学术研讨会、第十一届中国粒计算研讨会及第五届三支决策学术会议联合会议 (CRSSC-CWI-CGrC-3WD 2017)
合肥
中文
2590-2594
2017-05-26（万方平台首次上网日期，不代表论文的发表时间）