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
Bing Yan发布了新的文献求助30
3秒前
张欣发布了新的文献求助20
3秒前
互助遵法尚德应助莫天采纳,获得10
4秒前
杳鸢应助trying采纳,获得20
4秒前
在水一方应助吹梦成真采纳,获得10
4秒前
5秒前
nina完成签到,获得积分10
5秒前
6秒前
蒋时晏完成签到 ,获得积分0
7秒前
7秒前
舒心的小刺猬完成签到,获得积分20
9秒前
yudandan@CJLU发布了新的文献求助10
9秒前
han发布了新的文献求助10
10秒前
听风发布了新的文献求助10
13秒前
14秒前
yqcsysu完成签到 ,获得积分10
14秒前
nina发布了新的文献求助10
14秒前
yewen发布了新的文献求助10
15秒前
15秒前
15秒前
17秒前
gsj发布了新的文献求助10
17秒前
Gilana应助熊霸天采纳,获得10
18秒前
吹梦成真发布了新的文献求助10
19秒前
天天快乐应助202483067采纳,获得10
20秒前
莉莉发布了新的文献求助10
22秒前
英姑应助眼睛大的冰岚采纳,获得10
24秒前
netyouxiang完成签到,获得积分10
25秒前
熊霸天完成签到,获得积分10
27秒前
传奇3应助莉莉采纳,获得10
29秒前
29秒前
吹梦成真完成签到,获得积分10
29秒前
啊凡完成签到 ,获得积分10
29秒前
30秒前
ding应助隐形初曼采纳,获得10
32秒前
西瓜珺完成签到,获得积分10
32秒前
NN123完成签到 ,获得积分10
34秒前
gsj完成签到 ,获得积分10
35秒前
西瓜珺发布了新的文献求助10
35秒前
养一只鱼完成签到 ,获得积分10
35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
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 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 3183296
求助须知:如何正确求助?哪些是违规求助? 2833432
关于积分的说明 7994193
捐赠科研通 2495544
什么是DOI,文献DOI怎么找? 1331574
科研通“疑难数据库(出版商)”最低求助积分说明 636352
邀请新用户注册赠送积分活动 603509