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
六味地黄丸完成签到,获得积分20
刚刚
王老裂完成签到,获得积分10
2秒前
侠客完成签到 ,获得积分10
3秒前
粽子完成签到,获得积分10
4秒前
klandcy完成签到,获得积分10
7秒前
DanBao发布了新的文献求助30
9秒前
赘婿应助Vision820采纳,获得10
9秒前
9秒前
Zilch完成签到 ,获得积分10
11秒前
Odile完成签到 ,获得积分10
17秒前
科研通AI2S应助科研通管家采纳,获得10
18秒前
YifanWang应助科研通管家采纳,获得20
18秒前
穆紫应助科研通管家采纳,获得10
18秒前
上官若男应助科研通管家采纳,获得10
18秒前
田様应助科研通管家采纳,获得10
18秒前
英姑应助科研通管家采纳,获得10
18秒前
穆紫应助科研通管家采纳,获得10
18秒前
可爱的函函应助花凉采纳,获得10
20秒前
桐桐应助耍酷火龙果采纳,获得10
24秒前
snah完成签到 ,获得积分10
30秒前
30秒前
hanliulaixi完成签到 ,获得积分10
31秒前
Vision820发布了新的文献求助10
34秒前
清新的冷松完成签到 ,获得积分10
35秒前
星星完成签到 ,获得积分10
42秒前
44秒前
852应助aaa4采纳,获得20
44秒前
DanBao完成签到,获得积分10
45秒前
46秒前
风清关注了科研通微信公众号
50秒前
小脸完成签到,获得积分10
59秒前
哈哈哈哈完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
月屿发布了新的文献求助10
1分钟前
咳咳咳完成签到,获得积分10
1分钟前
Fazie完成签到 ,获得积分10
1分钟前
白米完成签到 ,获得积分10
1分钟前
桐桐应助claudia采纳,获得10
1分钟前
无聊的远望完成签到 ,获得积分10
1分钟前
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 3183602
求助须知:如何正确求助?哪些是违规求助? 2833572
关于积分的说明 7995013
捐赠科研通 2495904
什么是DOI,文献DOI怎么找? 1331749
科研通“疑难数据库(出版商)”最低求助积分说明 636409
邀请新用户注册赠送积分活动 603581