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
liu发布了新的文献求助10
2秒前
3秒前
4秒前
青椒炒肉发布了新的文献求助10
4秒前
Guoqiang发布了新的文献求助10
7秒前
子车茗应助hhhh采纳,获得10
9秒前
小二郎应助路嘻嘻采纳,获得10
15秒前
15秒前
食品小帕菜完成签到,获得积分10
15秒前
16秒前
WWW完成签到 ,获得积分10
17秒前
NIGANSHA完成签到,获得积分10
19秒前
白白白完成签到,获得积分10
20秒前
一一发布了新的文献求助20
20秒前
21秒前
封似狮给封似狮的求助进行了留言
22秒前
Cinde完成签到,获得积分10
22秒前
领导范儿应助有热心愿意采纳,获得10
22秒前
难过的蘑菇完成签到,获得积分10
22秒前
22秒前
26秒前
崇文完成签到 ,获得积分10
27秒前
hms完成签到 ,获得积分10
27秒前
28秒前
Lynn发布了新的文献求助10
29秒前
归海浩阑发布了新的文献求助50
29秒前
30秒前
钮秀完成签到,获得积分10
31秒前
蕾蕾完成签到,获得积分10
31秒前
loong发布了新的文献求助10
32秒前
钮秀发布了新的文献求助30
35秒前
高兴紫寒发布了新的文献求助10
35秒前
36秒前
NexusExplorer应助bjbmtxy采纳,获得30
37秒前
39秒前
xq1212完成签到,获得积分10
39秒前
独特的孤丹完成签到 ,获得积分10
44秒前
小禾发布了新的文献求助10
45秒前
yangwh完成签到,获得积分10
50秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Mixed-anion Compounds 600
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Earth System Geophysics 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
2024 Medicinal Chemistry Reviews 400
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 3200510
求助须知:如何正确求助?哪些是违规求助? 2850275
关于积分的说明 8071538
捐赠科研通 2514096
什么是DOI,文献DOI怎么找? 1346879
科研通“疑难数据库(出版商)”最低求助积分说明 640268
邀请新用户注册赠送积分活动 610290