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
刚刚
笨笨发布了新的文献求助10
1秒前
3秒前
小艾艾麦仑完成签到,获得积分10
3秒前
3秒前
等待的时光完成签到,获得积分10
3秒前
3秒前
邓布利利给邓布利利的求助进行了留言
4秒前
gan发布了新的文献求助10
5秒前
康康完成签到,获得积分20
5秒前
5秒前
6秒前
6秒前
不配.应助小姜采纳,获得10
7秒前
夏兴龙发布了新的文献求助10
9秒前
10秒前
韦恩完成签到,获得积分20
10秒前
11秒前
cg发布了新的文献求助10
11秒前
威武以菱完成签到,获得积分10
12秒前
13秒前
LiYong发布了新的文献求助10
13秒前
17秒前
gs19960828发布了新的文献求助10
17秒前
彭于晏应助亚克西采纳,获得10
17秒前
19秒前
xiaoni完成签到,获得积分10
20秒前
杳鸢给高薪的求助进行了留言
20秒前
田様应助ss采纳,获得10
20秒前
20秒前
gs19960828完成签到,获得积分10
22秒前
22秒前
文刀大可完成签到 ,获得积分10
24秒前
贪玩手链发布了新的文献求助10
25秒前
hhhhhhh完成签到,获得积分20
27秒前
徐浩彬完成签到 ,获得积分10
31秒前
嘟嘟大魔王发布了新的文献求助100
31秒前
32秒前
lxz3131发布了新的文献求助10
32秒前
Lucas应助欢喜宛丝采纳,获得10
33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 3200187
求助须知:如何正确求助?哪些是违规求助? 2849924
关于积分的说明 8070476
捐赠科研通 2513771
什么是DOI,文献DOI怎么找? 1346598
科研通“疑难数据库(出版商)”最低求助积分说明 640229
邀请新用户注册赠送积分活动 610181