峭度自适应学习率的盲信源分离

本文提出了一种自适应学习率盲信源分离的自然梯度算法,自适应学习率仅依赖于神经网络输出峭度平方和的负指数.开始阶段由于小的峭度,学习率大收敛速度快.之后,随着峭度变大,学习率慢慢变小,产生小的稳态误差.在线性无记忆混合的情况下,用欠高斯信源进行的模拟实验表明,与固定学习率相比,本文提出的峭度自适应学习率盲信源分离算法具有收敛速度快和稳态误差小的特点.