我是神经网络的新手，我学习电气工程，刚刚开始使用ADALINEs。

我使用 Matlab，并在他们的文档中引用：

但是，这里使用了比感知器学习规则强大得多的LMS（最小均方）学习规则。LMS 或 Widrow-Hoff 学习规则最小化均方误差，从而将决策边界尽可能远离训练模式。

LMS 算法是 Matlab 中线性神经网络的默认学习规则，但几天后，我遇到了另一种算法：Recursive Least Squares (RLS) in a 2017 Research Article by Sachin Devassy和 Bhim Singh在期刊：IET可再生能源发电，标题为：比例谐振和基于 ADALINE 的太阳能光伏集成统一有源电力滤波器的性能分析，其中他们指出：

基于 ADALINE 的方法是一种提取负载有功电流基波分量的有效方法，因为不需要额外的变换和逆变换。各种自适应算法包括最小均方、递归 最小二乘等。

我的问题是：

• RLS 和 LMS 一样吗（我的意思是它也可以用作学习算法）？
• 如果是，我如何自定义我的 ADALINE 以使用 RLS 而不是 LMS 作为学习算法（最好在 Matlab 中，如果不是在 Python 中），因为我想对这两种算法进行比较研究！