Diskussion:LMS-Algorithmus

aus Wikipedia, der freien Enzyklopädie
Letzter Kommentar: vor 8 Jahren von Mmiikkee in Abschnitt Methode der kleinsten Quadrate
Zur Navigation springen Zur Suche springen

Dieser Algorithmus wird offensichtlich in verschiedenen Bereichen eingesetzt. Ich hätte gerne einen Ansprechpartner, der sich mit der weiteren Verwendung auskennt, da ich den Algorithmus nur aus der Neuroinformatik kenne. Zusammen könnte man den Artikel ein wenig allgemeiner verfassen und danach speziell auf die einzelnen Gebiete eingehen. Zur Zeit sieht der Artikel eher nach Stilbruch aus, denn die Beschreibung des Algorithmus ist sehr einseitig. --chrislb 问题 13:41, 18. Apr 2006 (CEST)

Der Artikel wurde im Kern leider von einer IP erstellt. Da sich nun seit anderthalb Jahren niemand gemeldet hat, würde ich vorschlagen, du vergehst dich einfach am Artikel und im Zweifelsfall findet sich dann irgendwann ein Signalverarbeiter, der dir sagt, wie du seiner Zunft besser hättest gerecht werden können. So jedenfalls sollte der Artikel nicht bleiben. --Mudd1 12:53, 18. Okt. 2007 (CEST)Beantworten

In der Neuroinformatik kennen ich mich leider nicht aus. Ich komme er aus der Elektrotechnik und kenne den LMS als Adapiven Filter Alg. Ich würde euch gerne etwas bei diesem Artikel unterstüze, muss mich aber erst noch etwas in die Wiki einarbeiten. Aber schon ml so viel: Der LMS beruht auf dem Gütekriterium, dass der Erwartungswert des Fehlers zum Quadrat Minimal werden muss. Der LMS ist dann ein Iteratives Verfahren um in das Minimum des Mehrdimensionalen Fehlers zu laufen. Es werden 2 Vereinfachungen angenommen. 1- Der Erwartungswert wird durch durch Zeitlichen Mittelwert ersetzt(An dieser Stelle setzt man ergodizität vorraus). Um die Sache weiter zu vereinfachen nimmt man jedoch nur den ersten Term der Summe also den Momentanfehler. 2- Die Autokorrelationsmatrix R des Eingangssignals wird vernachlässigt. Deshalb ist der Alg. nicht selbstorthogonalisieren. Dh. er läuft wie das Gradientenverfahren nicht auf direktem Wege in das Minimum. Aber nur wenn die Matrix R schlecht konditioniert ist. Dies ist immer dann der Fall wenn das Eingansignal x statistische Abhängikeiten aufweißt also nicht weiß ist. Der Algorytmus findet also bei statistischen Abhängikeiten das Minimum langsamer. Er findet das Minimum garnicht wenn der Prozess x nicht lange genug stationär ist.--Boris0 11:48, 18. Jul. 2008 (CEST)Beantworten

Der englische Artikel scheint mir eine gute Referenz. Vielleicht einfach an jenem orientieren? -- 92.225.70.22 23:31, 24. Apr. 2010 (CEST)Beantworten

Methode der kleinsten Quadrate

[Quelltext bearbeiten]

Bitte diesen Artikel mit https://de.wikipedia.org/wiki/Methode_der_kleinsten_Quadrate konsolidieren, oder wenigstens mit einem Link ergänzen. --Mmiikkee (Diskussion) 10:46, 11. Jan. 2016 (CET)Beantworten