【弹星者说】第一章 (第5/17页)

就认为这两个系统是一样的。核自适应滤波器就是我认为能完成对复杂系

    统的学习的一个很有潜力的方法。」

    导师无表情的微微点头。

    「传统的核自适应滤波器是这样的一个结构：滤波器的内部结构是一个只有

    前馈没有反馈的神经网络。我们用一个称为「字典」

    的向量来存储历次的输入，随着学习的进行，字典的维度即厚度会增加，权

    值的数量也会变多，前向反馈神经网络也会越来越复杂。

    每次得到新的学习数据，都要将新的输入数据与字典向量一起经过一个核函

    数的处理，分别得到字典每个维度上的核函数的值，再分别乘以每个维度的权值

    ，得到输出。

    在每次学习中，都要算出当前我们所构造的系统的输出与目标系统的输出之

    间误差，然后运用梯度下降法来减少误差，即让权值自适应的调整。

    这样经过足够次数的学习，系统会越来越复杂，但学习的结果会越来越逼近

    我们需要学习的系统。

    事实上，这是可以用自然语言描述的：一个内部越复杂的系统，它就能展现

    越多精细深微的细节，以及更真实的对现实的表现力，因为现实是具有无限细节

    和无限复杂性的。

    」

    导师无表情的微微点头。

    几缕白发跳了跳。

    「如果我们把有噪声的信号当做系统的输入，把没有噪声的原始信号当做输

    出，那幺我们学习得到的系统就能消除噪声；同样，回声消除等等其他应用也可

    以通过巧妙的设置输入输出来实现。