Stochastic gradient versus recursive least squares learning

0041991 - NHÚ 2007 RIV CZ eng J - Článek v odborném periodiku
Slobodyan, Sergey - Bogomolova, Anna - Kolyuzhnov, Dmitri
Stochastic gradient versus recursive least squares learning.
[Proces učení: stochastický gradient versus rekurzivní nejmenší čtverce.]
CERGE-EI Working Paper Series. -, č. 309 (2006), s. 1-21. ISSN 1211-3298
Výzkumný záměr: CEZ:AV0Z70850503
Klíčová slova: constant gain adaptive learning * stochastic gradient learning * recursive least squares
Kód oboru RIV: AH - Ekonomie
http://www.cerge-ei.cz/pdf/wp/Wp309.pdf

In this paper, we perform an in—depth investigation of relative merits of two adaptive learning algorithms with constant gain, Recursive Least Squares (RLS) and Stochastic Gradient (SG), using the Phelps model of monetary policy as a testing ground.

V této práci podrobně zkoumáme relativní výhody dvou algoritmů adaptivního učení s konstantním výnosem, rekurzivního algoritmu nejmenších čtverců a algoritmu stochastického gradientu, na Phelpsově modelu monetární politiky.
Trvalý link: http://hdl.handle.net/11104/0135318