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
czz014完成签到,获得积分10
刚刚
杳鸢应助元谷雪采纳,获得10
刚刚
所所应助笑点低的碧琴采纳,获得10
刚刚
Albert发布了新的文献求助30
1秒前
5秒前
5秒前
科研通AI2S应助柒玥采纳,获得10
6秒前
JohnLemon发布了新的文献求助10
6秒前
8秒前
9秒前
Souliko发布了新的文献求助10
9秒前
暴风少年完成签到,获得积分10
11秒前
11秒前
李木子给李木子的求助进行了留言
13秒前
13秒前
思源应助深情映冬采纳,获得10
15秒前
聒噪的小黄瓜完成签到,获得积分10
15秒前
高高问柳发布了新的文献求助30
15秒前
16秒前
16秒前
应疾发布了新的文献求助10
17秒前
桐桐应助顺心季节采纳,获得10
18秒前
wanci应助彩色的芷容采纳,获得10
19秒前
Katerine发布了新的文献求助10
20秒前
21秒前
23秒前
所所应助大狒狒采纳,获得10
23秒前
25秒前
深情映冬发布了新的文献求助10
26秒前
you完成签到,获得积分10
28秒前
顾白凡完成签到,获得积分10
30秒前
xx完成签到 ,获得积分10
30秒前
32秒前
34秒前
38秒前
时尚的飞机完成签到 ,获得积分10
38秒前
shaoshao86发布了新的文献求助10
39秒前
可爱的函函应助xentertain采纳,获得10
40秒前
乐乐应助bairunhua采纳,获得10
41秒前
所所应助杨娜采纳,获得10
44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 3185575
求助须知:如何正确求助?哪些是违规求助? 2835856
关于积分的说明 8006937
捐赠科研通 2498451
什么是DOI,文献DOI怎么找? 1333469
科研通“疑难数据库(出版商)”最低求助积分说明 636865
邀请新用户注册赠送积分活动 604590