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
科目三应助hua采纳,获得10
1秒前
找寻四氢叶酸完成签到,获得积分10
2秒前
大陆完成签到,获得积分10
2秒前
2秒前
长安完成签到,获得积分10
3秒前
初之发布了新的文献求助20
3秒前
优雅的沛春完成签到 ,获得积分10
4秒前
5秒前
香蕉觅云应助羊羊羊采纳,获得10
5秒前
曙光完成签到,获得积分10
6秒前
英姑应助夏远航采纳,获得10
8秒前
电池高手完成签到,获得积分10
9秒前
10秒前
包容的初南完成签到,获得积分10
10秒前
shuke完成签到,获得积分10
11秒前
hua完成签到,获得积分20
11秒前
执着牛青完成签到,获得积分10
12秒前
bkagyin应助请输入昵称采纳,获得10
14秒前
桐桐应助夏远航采纳,获得10
14秒前
无所吊谓发布了新的文献求助10
15秒前
15秒前
hua发布了新的文献求助10
15秒前
mao完成签到,获得积分10
16秒前
岐黄举报luonayi求助涉嫌违规
17秒前
18秒前
领导范儿应助健壮的月光采纳,获得10
18秒前
19秒前
Charon发布了新的文献求助10
19秒前
lkk完成签到,获得积分10
20秒前
HEIKU应助mao采纳,获得10
21秒前
Lucas应助Doreen采纳,获得10
21秒前
23秒前
23秒前
24秒前
24秒前
今天不学习明天变垃圾完成签到,获得积分10
24秒前
马铃薯完成签到,获得积分10
25秒前
orchid发布了新的文献求助10
26秒前
Raine发布了新的文献求助10
27秒前
开朗的驳完成签到,获得积分20
28秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
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
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 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 3187269
求助须知:如何正确求助?哪些是违规求助? 2837276
关于积分的说明 8013988
捐赠科研通 2499791
什么是DOI,文献DOI怎么找? 1334620
科研通“疑难数据库(出版商)”最低求助积分说明 637194
邀请新用户注册赠送积分活动 605171