一种扩散自适应网络学习方法、系统、终端及存储介质

摘要

一种扩散自适应网络学习方法、系统、终端及存储介质，方法包括随机梯度下降过程和时间平均减小方差随机梯度下降过程，在随机梯度下降过程中，分布式网络每个节点运行Pk次最小均方策略并收集这Pk次运行中接收到的输入数据；在时间平均减小方差随机梯度下降过程中，通过使用之前收集到的数据对长度为Pk的时间窗里的随机梯度求平均值得到一个平均梯度的估计值，并在接下来的m次迭代计算中使用该估计值来更新减小方差的权重方程。同时提出一种扩散自适应网络学习系统、终端及存储介质。本发明克服了传统的减小方差随机梯度下降算法无法用于在线学习环境这一弊端，并将其应用在自适应扩散网络算法中，从而提高了分布式扩散网络的在线估计性能。