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
香蕉觅云应助从云采纳,获得10
1秒前
二十九画生完成签到 ,获得积分10
1秒前
打打应助tyy采纳,获得10
1秒前
乐乐应助蛋白工人采纳,获得10
1秒前
2秒前
2秒前
发发发财完成签到 ,获得积分10
2秒前
alick完成签到,获得积分10
3秒前
不倦应助小李采纳,获得10
3秒前
3秒前
3秒前
4秒前
随机子应助Alan采纳,获得10
4秒前
天天快乐应助Alan采纳,获得10
4秒前
刘依梦完成签到 ,获得积分10
4秒前
iii发布了新的文献求助10
4秒前
freshman3005发布了新的文献求助30
4秒前
4秒前
5秒前
Wang发布了新的文献求助50
6秒前
li发布了新的文献求助10
6秒前
传奇3应助狗东西采纳,获得10
6秒前
wang完成签到,获得积分10
7秒前
小平发布了新的文献求助10
7秒前
7秒前
聪聪发布了新的文献求助10
8秒前
8秒前
8秒前
刘佳会发布了新的文献求助10
8秒前
小耳朵有货完成签到 ,获得积分10
9秒前
10秒前
10秒前
充电宝应助lrc采纳,获得10
10秒前
天天快乐应助一朵云采纳,获得10
10秒前
星宝完成签到,获得积分10
11秒前
ZZQ完成签到,获得积分20
11秒前
在水一方应助Lxdan采纳,获得10
11秒前
康康米其林完成签到,获得积分10
12秒前
心灵美的大山完成签到,获得积分10
12秒前
GTL发布了新的文献求助10
12秒前
高分求助中
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
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 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 3181688
求助须知:如何正确求助?哪些是违规求助? 2832002
关于积分的说明 7987392
捐赠科研通 2493888
什么是DOI,文献DOI怎么找? 1330529
科研通“疑难数据库(出版商)”最低求助积分说明 635979
版权声明 602955