Kompleks düzlemde büyük-ölçekli regresyon: Bilgilendirici olmayan verileri çevrimiçi olarak sansürleyen CRLS algoritmalarının başarım analizi

Abstract

Büyük veri akışlarından anlamlı bilgilerin çıkarılması ve öğrenilmesi, toplumların yaşam kalitesinin artırılmasının, bilim ve mühendislik alanında yeni teknolojilerin geliştirilmesinin önünü açmaktadır. Öte yandan, sensör teknolojisindeki son atılımlar, hesaplama gücünün ve bilgisayar belleğinin artan kullanılabilirliği, verilerin sadece reel-değerli olmadığını artık büyük ölçekli kompleks-değerli veri kümeleriyle de başa çıkılması gerektiğini ortaya koymuştur. Bu amaç doğrultusunda, bu çalışmada, son zamanlarda önerilen çevrimiçi sansürleme (online censoring, OC)-tabanlı kompleks-değerli özyinelemeli en küçük kareler (OC based complex-valued recursive least squares, OC-CRLS) ve OC-tabanlı artırılmış CRLS (OC-ACRLS) algoritmalarının başarımları ilk defa büyük ölçekli regresyon problemleri üzerinde detaylı olarak test edilmiş ve literatürde yer alan klasik versiyonları ile karşılaştırılmıştır. Benzetim çalışmaları, OC-CRLS ve OC-ACRLS algoritmalarının, OC mekanizmasının getirmiş olduğu avantajlardan dolayı kompleks düzlemde tanımlanmış olan büyük-ölçekli regresyon problemlerinde eğitim süresini ciddi anlamda kısalttığını ve test başarımını negatif yönde etkilemediğini göstermiştir. Bu da OC-CRLS ve OC-ACRLS algoritmalarının, kompleks düzlemde tanımlanabilen büyük veri akışı uygulamalarında etkin ve güçlü algoritmalar olduğunu kanıtlamıştır.