Resumen

La tasa de aprendizaje juega un papel importante en separar un conjunto de señales mixtas a través del entrenamiento de una matriz de desmezcla, para recuperar una aproximación de las señales fuente en la separación ciega de fuentes (BSS). Para mejorar el algoritmo en velocidad y precisión, se propone un algoritmo de aprendizaje adaptativo de muestreo para calcular la tasa de aprendizaje adaptativa de manera muestreada. La conexión para los puntos óptimos muestreados se describe a través de una ecuación de suavizado. El resultado de la simulación muestra que el rendimiento del algoritmo propuesto tiene un Error Cuadrático Medio (ECM) similar al del algoritmo de aprendizaje adaptativo pero es menos consumidor de tiempo.

• Materias:Internet de las cosas Dispositivos móviles Ransomware Ingeniería de Telecomunicación Servidores en la nube
• Subjects:Internet of things Mobile devices Ransomware Telecommunication engineering Cloud Servers
• Palabras claves:Tasa de aprendizaje; Señales mixtas; Matriz de desmezcla; Separación ciega de fuentes; Algoritmo de aprendizaje adaptativo; Error cuadrático medio
• Keywords:Learning rate; Mixed signals; Unmixing matrix; Blind source separation; Adaptive learning algorithm; Mean Square Error