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
Titi完成签到 ,获得积分10
2秒前
积极废物完成签到 ,获得积分10
2秒前
北海完成签到,获得积分10
4秒前
YXHTCM完成签到,获得积分10
4秒前
4秒前
WW应助科研通管家采纳,获得10
5秒前
Hello应助科研通管家采纳,获得10
5秒前
压缩完成签到 ,获得积分10
5秒前
柔之完成签到,获得积分10
5秒前
许多多同学完成签到,获得积分10
7秒前
8秒前
11秒前
吃花生酱的猫应助ChloeF采纳,获得30
11秒前
科研通AI2S应助陈秋采纳,获得10
14秒前
伯爵完成签到 ,获得积分10
16秒前
宇宇完成签到 ,获得积分10
16秒前
ZZ发布了新的文献求助10
17秒前
李爱国应助Tonald Yang采纳,获得10
21秒前
22秒前
亚稳态应助djbj2022采纳,获得10
23秒前
平常的元蝶完成签到 ,获得积分10
24秒前
只影有你完成签到,获得积分10
25秒前
26秒前
爱静静应助Eclipse采纳,获得10
27秒前
27秒前
欣喜的白风完成签到,获得积分10
29秒前
Radish完成签到 ,获得积分10
30秒前
香菜完成签到 ,获得积分10
30秒前
亚稳态应助王贺帅采纳,获得10
31秒前
clocksoar完成签到,获得积分10
31秒前
Anlix发布了新的文献求助10
32秒前
33秒前
hdx完成签到 ,获得积分10
34秒前
dream完成签到 ,获得积分10
35秒前
个性的雅柏完成签到,获得积分20
35秒前
djbj2022发布了新的文献求助10
35秒前
Cheshire完成签到,获得积分10
35秒前
贾不可完成签到,获得积分10
38秒前
彼得大帝完成签到,获得积分10
39秒前
英姑应助个性的雅柏采纳,获得10
39秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Write Like a Chemist: A Guide and Resource (第二版) 600
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
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 3200827
求助须知:如何正确求助?哪些是违规求助? 2850571
关于积分的说明 8072556
捐赠科研通 2514335
什么是DOI,文献DOI怎么找? 1347061
科研通“疑难数据库(出版商)”最低求助积分说明 640332
邀请新用户注册赠送积分活动 610520