「過去のいくつかの試行が最も上手くいくように次の重みを決める。」
ということ？
〇Control of two-dimension...
The Adaptive Algoritym
...(That is, the LMS algotithm determined the weights for the linear functions that would have given the best results had they actually been used for past trials.)
？？？
PDFで読んだ"LMS adaptive algorithm"とだいぶ異なる。
どういうこと？
①本当に上記のままのものを実装している。
②PDFに載っている方のLMS adaptive algotithmもよくよく考えると同様のことをしている。
確かめる手段
①"LMS adaptive algorithm"についてwebでもう少し調べる。
②wadsworth signal processingを読む。
③PDFに載ってるシステムを検証してみる。
①⇒「適応アルゴリズム」で検索したらたくさん出た。奥が深そう。PDFの4-2げと。実用例を少し勉強した方が良さそうだ。
②⇒移動量計算式に付いてるそれぞれの係数が何を基にどんなアルゴリズムで更新しているのかわかった。
mean
proportion of mean
std
proportion of std
weight
の5パラメータが更新されているが、とにかくwは
Dependence:Defference between targe position and cursor position
を教師信号として、
FeedbackでLMS Algorithmを用いて調整しているようだ。
と、いうことで4-2読んでみます。
⇒要は、最急降下法を用いて、ちょっとずつ最適のＷを学習させることで、
「過学習にならない」且「過去データ蓄積の機能」を果たしている、ようだ。
BCIにおいては、最適解(人の状態)が一定でなく動くため、過学習ということが起こりうる。
これを考えると、Ｗをゆっくり学習させることが必要である、このことが重要。
通常の適応フィルタはそこまで考える必要ないので、一定の最適値に早く適応させることだけ考えればいい。(on-line)
↑あってる？
適応フィルタの仕組みはわかってきたが、多電極のとき（fがたくさんあるとき）はＷを適応させるLMSアルゴリズムはどうなるの？っていうか、タップ数はいくつくらいがいいの？あと本当にこのイメージで合ってるの？
①Wadsworth SPを詳しく読む
②↑のReferenceを引いてみる。
③4-2の実例をもう少し詳しく読む。
①②⇒wのsumが定数ということしかわからん。
③⇒適応フィルタのできる主な仕事はトラッキング
結局特徴量f1,f2に対して
モデル：「w1f1+w2f2」によってyが出力され、
そのw1,w2をLMSアルゴリズムで最適化するということ？
あ、できた。
明日はdを変えていくことで適応しよ。
あ、あとｗの拘束条件入れなきゃ。
ということ？
〇Control of two-dimension...
The Adaptive Algoritym
...(That is, the LMS algotithm determined the weights for the linear functions that would have given the best results had they actually been used for past trials.)
？？？
PDFで読んだ"LMS adaptive algorithm"とだいぶ異なる。
どういうこと？
①本当に上記のままのものを実装している。
②PDFに載っている方のLMS adaptive algotithmもよくよく考えると同様のことをしている。
確かめる手段
①"LMS adaptive algorithm"についてwebでもう少し調べる。
②wadsworth signal processingを読む。
③PDFに載ってるシステムを検証してみる。
①⇒「適応アルゴリズム」で検索したらたくさん出た。奥が深そう。PDFの4-2げと。実用例を少し勉強した方が良さそうだ。
②⇒移動量計算式に付いてるそれぞれの係数が何を基にどんなアルゴリズムで更新しているのかわかった。
mean
proportion of mean
std
proportion of std
weight
の5パラメータが更新されているが、とにかくwは
Dependence:Defference between targe position and cursor position
を教師信号として、
FeedbackでLMS Algorithmを用いて調整しているようだ。
と、いうことで4-2読んでみます。
⇒要は、最急降下法を用いて、ちょっとずつ最適のＷを学習させることで、
「過学習にならない」且「過去データ蓄積の機能」を果たしている、ようだ。
BCIにおいては、最適解(人の状態)が一定でなく動くため、過学習ということが起こりうる。
これを考えると、Ｗをゆっくり学習させることが必要である、このことが重要。
通常の適応フィルタはそこまで考える必要ないので、一定の最適値に早く適応させることだけ考えればいい。(on-line)
↑あってる？
適応フィルタの仕組みはわかってきたが、多電極のとき（fがたくさんあるとき）はＷを適応させるLMSアルゴリズムはどうなるの？っていうか、タップ数はいくつくらいがいいの？あと本当にこのイメージで合ってるの？
①Wadsworth SPを詳しく読む
②↑のReferenceを引いてみる。
③4-2の実例をもう少し詳しく読む。
①②⇒wのsumが定数ということしかわからん。
③⇒適応フィルタのできる主な仕事はトラッキング
結局特徴量f1,f2に対して
モデル：「w1f1+w2f2」によってyが出力され、
そのw1,w2をLMSアルゴリズムで最適化するということ？
あ、できた。
明日はdを変えていくことで適応しよ。
あ、あとｗの拘束条件入れなきゃ。