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
思源应助jessie采纳,获得10
1秒前
1秒前
蒸蒸日上发布了新的文献求助10
1秒前
诚心初晴完成签到,获得积分10
2秒前
飞飞鱼发布了新的文献求助10
2秒前
2秒前
我是老大应助daydayup采纳,获得10
3秒前
3秒前
zhangyidian应助Yuciyy采纳,获得10
4秒前
4秒前
九九发布了新的文献求助10
4秒前
4秒前
酷波er应助琉璃苣采纳,获得10
4秒前
Enoch发布了新的文献求助50
4秒前
6秒前
zm发布了新的文献求助10
6秒前
NexusExplorer应助aaa采纳,获得10
6秒前
7秒前
劲秉应助努力的长安采纳,获得20
7秒前
7秒前
Puokn发布了新的文献求助10
8秒前
椰子汁发布了新的文献求助10
8秒前
Alice发布了新的文献求助10
8秒前
无花果应助易儿采纳,获得10
8秒前
赘婿应助谷策采纳,获得10
9秒前
叮叮叮发布了新的文献求助10
9秒前
9秒前
11秒前
11秒前
文静兔子完成签到,获得积分20
11秒前
阿欣完成签到,获得积分10
11秒前
深情安青应助舒心的怜翠采纳,获得10
12秒前
共享精神应助零蝉采纳,获得10
13秒前
Painkiller_发布了新的文献求助10
13秒前
小鱼发布了新的文献求助10
13秒前
嘟嘟嘟嘟嘟完成签到,获得积分10
13秒前
李爱国应助飞飞鱼采纳,获得10
13秒前
宓不评发布了新的文献求助10
14秒前
初亦非应助xueying采纳,获得10
14秒前
Snow发布了新的文献求助10
15秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Mixed-anion Compounds 600
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
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
Dictionary of socialism 350
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 3199095
求助须知:如何正确求助?哪些是违规求助? 2848000
关于积分的说明 8065901
捐赠科研通 2512793
什么是DOI,文献DOI怎么找? 1344804
科研通“疑难数据库(出版商)”最低求助积分说明 639896
邀请新用户注册赠送积分活动 609663