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
kento发布了新的文献求助10
刚刚
樊傲云发布了新的文献求助10
1秒前
1秒前
小蘑菇应助Michael采纳,获得10
1秒前
1秒前
2秒前
潇公子完成签到,获得积分10
3秒前
丘比特应助Eikou采纳,获得10
4秒前
4秒前
5秒前
lxt完成签到 ,获得积分10
5秒前
向南发布了新的文献求助10
5秒前
不配.应助Diego采纳,获得20
5秒前
暮霭沉沉应助Diego采纳,获得10
5秒前
5秒前
5秒前
5秒前
6秒前
科研通AI2S应助wh采纳,获得10
7秒前
斯文败类应助兔雳采纳,获得10
8秒前
飞快的烤鸡完成签到,获得积分10
8秒前
所所应助xilingang采纳,获得10
8秒前
谢谢你好心人完成签到,获得积分10
8秒前
咩咩咩发布了新的文献求助10
9秒前
丰知然应助gigi采纳,获得10
9秒前
攻心发布了新的文献求助10
10秒前
10秒前
正在加载完成签到,获得积分10
10秒前
旦斯特尼发布了新的文献求助10
10秒前
11秒前
CodeCraft应助漂亮幻莲采纳,获得10
11秒前
向南完成签到,获得积分10
11秒前
酷波er应助yy采纳,获得30
11秒前
11秒前
立景完成签到,获得积分20
12秒前
纯真寄文完成签到 ,获得积分10
12秒前
13秒前
情怀应助chengnan采纳,获得10
13秒前
霸气的洋葱完成签到,获得积分10
13秒前
13秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
安全防范技术与工程 500
2024 Medicinal Chemistry Reviews 400
Актуализированная стратиграфическая схема триасовых отложений Прикаспийского региона. Объяснительная записка 360
Dictionary of socialism 350
AI-Driven Alzheimer's Disease Detection and Prediction 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 3193422
求助须知:如何正确求助?哪些是违规求助? 2842415
关于积分的说明 8039135
捐赠科研通 2506377
什么是DOI,文献DOI怎么找? 1339098
科研通“疑难数据库(出版商)”最低求助积分说明 638616
邀请新用户注册赠送积分活动 607245