基于反馈神经网络的稀疏信号恢复的优化算法

• 作者: 李国成 汪星星
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: l0最优化 反馈神经网络 有限等距性 能量函数
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 2590-2594
• 页数: 5页
• 分类号: TP18
• 字数: 5332字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2017.09.2590

摘要

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lo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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李国成	北京信息科技大学理学院	17	4	1.0	2.0
2	汪星星	北京信息科技大学理学院	3	4	1.0	2.0