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
小油菜完成签到 ,获得积分10
1秒前
文艺冷荷完成签到,获得积分10
1秒前
2秒前
脑洞疼应助赫连人杰采纳,获得10
2秒前
sasa发布了新的文献求助10
3秒前
Hello应助JohnLemon采纳,获得30
3秒前
Huobol完成签到,获得积分10
4秒前
sofidai发布了新的文献求助10
5秒前
5秒前
ppp完成签到 ,获得积分20
5秒前
牛牛123完成签到 ,获得积分10
6秒前
李健应助王政采纳,获得10
6秒前
6秒前
xiaodaiduyan发布了新的文献求助10
8秒前
9秒前
36456657发布了新的文献求助10
10秒前
12秒前
14秒前
14秒前
14秒前
Rutin发布了新的文献求助10
18秒前
19秒前
Lucas应助sasa采纳,获得10
19秒前
鱼儿游完成签到 ,获得积分10
19秒前
19秒前
liang发布了新的文献求助10
20秒前
丘比特应助zebra采纳,获得10
20秒前
trigger完成签到,获得积分10
20秒前
852应助鑫鑫努力学习采纳,获得10
22秒前
苹果煎饼完成签到,获得积分10
23秒前
24秒前
24秒前
25秒前
蹲着完成签到,获得积分10
25秒前
顾矜应助sai采纳,获得20
25秒前
26秒前
鹰击长空发布了新的文献求助10
26秒前
27秒前
27秒前
bkagyin应助Rutin采纳,获得10
28秒前
高分求助中
Evolution 3rd edition 1500
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
Ribozymes and aptamers in the RNA world, and in synthetic biology 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 3180905
求助须知:如何正确求助?哪些是违规求助? 2831086
关于积分的说明 7983117
捐赠科研通 2493070
什么是DOI,文献DOI怎么找? 1329957
科研通“疑难数据库(出版商)”最低求助积分说明 635872
版权声明 602954