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
123完成签到,获得积分10
刚刚
俞若枫完成签到,获得积分10
1秒前
acffo完成签到 ,获得积分10
2秒前
科研混子发布了新的文献求助10
2秒前
3秒前
顾矜应助kingripple采纳,获得10
3秒前
Akim应助zkk采纳,获得10
4秒前
jayus完成签到,获得积分10
4秒前
youngx完成签到,获得积分10
6秒前
Hoijuon发布了新的文献求助20
7秒前
lin完成签到,获得积分10
8秒前
jun完成签到 ,获得积分10
10秒前
大晨完成签到,获得积分10
10秒前
上官若男应助忧郁的菠萝采纳,获得10
10秒前
六六发布了新的文献求助10
11秒前
12秒前
阿伟完成签到,获得积分10
13秒前
充电宝应助安详流沙采纳,获得30
13秒前
13秒前
hua发布了新的文献求助10
15秒前
芒果酱完成签到,获得积分10
15秒前
15秒前
16秒前
17秒前
平常的过客完成签到,获得积分10
18秒前
malo发布了新的文献求助10
18秒前
小young完成签到 ,获得积分10
19秒前
科研混子完成签到,获得积分10
19秒前
19秒前
wangang发布了新的文献求助10
21秒前
22秒前
23秒前
gwh68964402gwh完成签到,获得积分10
23秒前
24秒前
kingripple发布了新的文献求助10
24秒前
WCM完成签到,获得积分20
25秒前
wanci应助liyiliyi117采纳,获得10
25秒前
王鹏完成签到,获得积分10
25秒前
PG完成签到 ,获得积分10
26秒前
26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
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
2024 Medicinal Chemistry Reviews 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 3197970
求助须知:如何正确求助?哪些是违规求助? 2846841
关于积分的说明 8061089
捐赠科研通 2511751
什么是DOI,文献DOI怎么找? 1343693
科研通“疑难数据库(出版商)”最低求助积分说明 639600
邀请新用户注册赠送积分活动 609229