已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Mixture quantized error entropy for recursive least squares adaptive filtering

熵(时间箭头) 算法 计算机科学 高斯分布 数学 高斯函数 数学优化 人工智能 量子力学 物理
作者
Jiacheng He,Gang Wang,Bei Peng,Qing Sun,Zhenyu Feng,Kun Zhang
出处
期刊:Journal of The Franklin Institute-engineering and Applied Mathematics [Elsevier]
卷期号:359 (3): 1362-1381 被引量:13
标识
DOI:10.1016/j.jfranklin.2021.12.015
摘要

Error entropy is a well-known learning criterion in information theoretic learning (ITL), and it has been successfully applied in robust signal processing and machine learning. To date, many robust learning algorithms have been devised based on the minimum error entropy (MEE) criterion, and the Gaussian kernel function is always utilized as the default kernel function in these algorithms, which is not always the best option. To further improve learning performance, two concepts using a mixture of two Gaussian functions as kernel functions, called mixture error entropy and mixture quantized error entropy, are proposed in this paper. We further propose two new recursive least-squares algorithms based on mixture minimum error entropy (MMEE) and mixture quantized minimum error entropy (MQMEE) optimization criteria. The convergence analysis, steady-state mean-square performance, and computational complexity of the two proposed algorithms are investigated. In addition, the reason why the mixture mechanism (mixture correntropy and mixture error entropy) can improve the performance of adaptive filtering algorithms is explained. Simulation results show that the proposed new recursive least-squares algorithms outperform other RLS-type algorithms, and the practicality of the proposed algorithms is verified by the electro-encephalography application.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
之星君完成签到,获得积分10
2秒前
2秒前
曲无极完成签到 ,获得积分10
4秒前
爱听歌雪旋完成签到 ,获得积分10
7秒前
俞秋烟发布了新的文献求助10
8秒前
不配.应助君无名采纳,获得10
10秒前
虚心完成签到 ,获得积分10
10秒前
Jahen完成签到,获得积分20
11秒前
13秒前
13秒前
方远锋完成签到,获得积分10
15秒前
Jahen发布了新的文献求助10
16秒前
巫剑完成签到,获得积分20
16秒前
17秒前
天意发布了新的文献求助10
18秒前
23秒前
nwq发布了新的文献求助10
23秒前
Will发布了新的文献求助10
29秒前
科研通AI2S应助糊涂的麦片采纳,获得10
33秒前
36秒前
解忧完成签到,获得积分10
38秒前
科研通AI2S应助shi hui采纳,获得10
43秒前
sss发布了新的文献求助10
43秒前
47秒前
51秒前
51秒前
Cindy发布了新的文献求助10
52秒前
56秒前
学不完了发布了新的文献求助10
56秒前
58秒前
59秒前
胡高照完成签到,获得积分10
59秒前
义气聪展完成签到 ,获得积分10
1分钟前
充电宝应助xdl120318采纳,获得10
1分钟前
1分钟前
wangke发布了新的文献求助10
1分钟前
李龙波发布了新的文献求助10
1分钟前
叶归尘发布了新的文献求助10
1分钟前
Ava应助Accepted采纳,获得10
1分钟前
1分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3186420
求助须知:如何正确求助?哪些是违规求助? 2836756
关于积分的说明 8010933
捐赠科研通 2499098
什么是DOI,文献DOI怎么找? 1334065
科研通“疑难数据库(出版商)”最低求助积分说明 637023
邀请新用户注册赠送积分活动 604986