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
1秒前
1秒前
田様应助fan采纳,获得10
2秒前
科研通AI2S应助一个橡果采纳,获得10
3秒前
跳跃稀完成签到,获得积分10
3秒前
4秒前
frostygod完成签到,获得积分10
5秒前
wangayting发布了新的文献求助30
5秒前
李李完成签到,获得积分10
5秒前
小蘑菇应助hermione采纳,获得10
6秒前
7秒前
直率向薇发布了新的文献求助10
10秒前
10秒前
柯飞扬发布了新的文献求助10
11秒前
11秒前
852应助wangayting采纳,获得30
14秒前
风声鹤立关注了科研通微信公众号
15秒前
fan发布了新的文献求助10
15秒前
18秒前
18秒前
20秒前
hetao发布了新的文献求助10
21秒前
大模型应助noeru采纳,获得10
21秒前
宋十一发布了新的文献求助10
22秒前
ty心明亮完成签到 ,获得积分10
23秒前
蒋念寒发布了新的文献求助30
23秒前
烂烂发布了新的文献求助10
26秒前
30秒前
32秒前
35秒前
linac完成签到 ,获得积分10
36秒前
37秒前
鱼yu完成签到,获得积分10
41秒前
42秒前
whyyy发布了新的文献求助10
42秒前
Xunr完成签到 ,获得积分10
45秒前
哇咔咔发布了新的文献求助10
46秒前
谨慎青亦完成签到 ,获得积分10
51秒前
冷傲小刀刀完成签到,获得积分10
51秒前
在水一方应助hym111采纳,获得50
53秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
India's foreign trade policy and its performance in the world economy 450
Structural Inorganic Chemistry 400
Dictionary of socialism 350
Mixed-anion Compounds 300
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 3196404
求助须知:如何正确求助?哪些是违规求助? 2845159
关于积分的说明 8053183
捐赠科研通 2509764
什么是DOI,文献DOI怎么找? 1342009
科研通“疑难数据库(出版商)”最低求助积分说明 639304
邀请新用户注册赠送积分活动 608563