| DC 欄位 |
值 |
語言 |
| DC.contributor | 電機工程研究所 | zh_TW |
| DC.creator | 顧明揚 | zh_TW |
| DC.creator | Ming-Yang Gu | en_US |
| dc.date.accessioned | 2001-6-28T07:39:07Z | |
| dc.date.available | 2001-6-28T07:39:07Z | |
| dc.date.issued | 2001 | |
| dc.identifier.uri | http://ir.lib.ncu.edu.tw:444/thesis/view_etd.asp?URN=88521065 | |
| dc.contributor.department | 電機工程研究所 | zh_TW |
| DC.description | 國立中央大學 | zh_TW |
| DC.description | National Central University | en_US |
| dc.description.abstract | 本文研究非線性類神經等化器之必要性及使用非平方誤差準則
(lp-norm error criterion)並適用於等化器中的學習演算法(learning algorithm)。
從統計觀點來看，平方誤差準則(Mean square error)廷用以久，有淺顯的數學意義來說明其中心誤差的偏離值，但如果以其為誤差函數搭配使用學習法則(learning algorithm)，則其學習率剛好是受制於平方的收歛速度，故加以討論次冪並求得最佳之次冪，以達成最佳的收歛率(convergence rate)。 當次冪p小於2時有較快的收歛率，可是當p<1時會出現所謂的數值問題(numerical problem)產生，將使得系統不穩定，本論文採用二種方式來解決，其中一種方式就是將其切換至p=1之情況下，故p=1時為其收歛率及穩定性的平衡點，這點也可從模擬中的錯誤率(BER)曲線中再次得証。 | zh_TW |
| DC.subject | 倒傳遞演算法 | zh_TW |
| DC.subject | 冪次 | zh_TW |
| DC.subject | 多層感知器 | zh_TW |
| DC.subject | 最小平方誤差演算法 | zh_TW |
| DC.subject | 決策迴授等化器 | zh_TW |
| DC.subject | 符號間的干擾 | zh_TW |
| DC.subject | 蕭師基 | zh_TW |
| DC.subject | 調適性濾波器 | zh_TW |
| DC.subject | Adaptive filter | en_US |
| DC.subject | backpropagtion algorithm | en_US |
| DC.subject | DFE | en_US |
| DC.subject | ISI | en_US |
| DC.subject | LMS | en_US |
| DC.subject | MLP | en_US |
| DC.subject | p | en_US |
| DC.subject | Sammy Siu | en_US |
| DC.title | Lp Norm 倒傳遞演算法使用在調適性濾波器 | zh_TW |
| dc.language.iso | zh-TW | zh-TW |
| DC.title | Lp norm backpropagation for adaptive equalizer | en_US |
| DC.type | 博碩士論文 | zh_TW |
| DC.type | thesis | en_US |
| DC.publisher | National Central University | en_US |