本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
我們使用一種稱為水庫運算的技術展示了機器學習在分離疊加混沌訊號中的效用。我們假設不知道產生訊號的動力學方程，並且只需要由分量訊號的有限時間樣本組成的訓練資料。我們對來自兩個具有不同參數的洛倫茲系統的訊號的線性組合形成的訊號測試我們的方法。將我們的非線性方法與分離問題的最佳線性解決方案維納濾波器進行比較，我們發現我們的方法在我們研究的所有場景中都顯著優於維納濾波器。此外，當分量訊號具有相似的頻譜時，這種差異尤其顯著。事實上，當分量頻譜無法區分時（維納濾波器基本上不執行分離的情況），我們的方法效果很好。