广义相关熵宽学习系统

非高斯噪声稳健

以M估计器抑制核宽偏差带来的性能退化，在非高斯噪声环境下保持稳健预测。

Zhao, Haiquan Zhao · Xin, Lu · Philip Chen, Chun Lung Philip

IEEE Transactions on Systems, Man, and Cybernetics: Systems 2024

技术优势

不怕异常值

采用M估计器函数，在非高斯噪声环境下比传统BLS更稳健。

核宽不敏感

MGC-BLS能有效抑制核宽偏差引起的性能下降，性能不再强烈依赖核宽选择。

收敛有保证

通过定点迭代优化，给出了算法收敛的充分条件。

应用场景

• 工业过程监控：在非高斯噪声干扰下仍能保持预测稳定性，适合复杂工况的在线监控。
• 传感器信号处理：对传感器信号中的非高斯噪声具有稳健性，可用于信号去噪与特征提取。
• 智能系统控制：为噪声环境下的控制系统提供稳健的预测模型，增强控制决策的可靠性。