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
Gao完成签到,获得积分10
1秒前
1秒前
无花果应助枫树狐狸采纳,获得10
1秒前
hehe完成签到,获得积分10
2秒前
星辰大海应助123321采纳,获得10
3秒前
圈儿多尼完成签到,获得积分10
3秒前
嘀嘀咕咕完成签到,获得积分10
7秒前
陈露发布了新的文献求助30
8秒前
上官若男应助阿鹿462采纳,获得10
9秒前
善良的翼发布了新的文献求助10
10秒前
奋斗的绝悟完成签到 ,获得积分10
10秒前
13秒前
敖江风云发布了新的文献求助10
13秒前
joyce发布了新的文献求助10
14秒前
林林林发布了新的文献求助10
18秒前
18秒前
李爱国应助张张采纳,获得10
18秒前
ding应助yusunya采纳,获得10
21秒前
科目三应助zfg采纳,获得10
22秒前
24秒前
MHCL完成签到 ,获得积分10
24秒前
轻松的祥发布了新的文献求助10
25秒前
斯文败类应助xiaorang采纳,获得10
25秒前
27秒前
隐形曼青应助hhhhhh采纳,获得10
28秒前
29秒前
Zzzzz发布了新的文献求助10
30秒前
30秒前
王丫丫完成签到 ,获得积分10
31秒前
张张发布了新的文献求助10
31秒前
32秒前
33秒前
33秒前
joyboysimba发布了新的文献求助10
34秒前
阿鹿462发布了新的文献求助10
34秒前
34秒前
joyce完成签到,获得积分10
35秒前
37秒前
熹微发布了新的文献求助10
37秒前
look完成签到,获得积分10
38秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
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
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 3185808
求助须知:如何正确求助?哪些是违规求助? 2836161
关于积分的说明 8007812
捐赠科研通 2498548
什么是DOI,文献DOI怎么找? 1333595
科研通“疑难数据库(出版商)”最低求助积分说明 636881
邀请新用户注册赠送积分活动 604707