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
刚刚
橙花完成签到 ,获得积分10
1秒前
听南发布了新的文献求助10
1秒前
爆米花应助潇湘阁我爱吃采纳,获得10
1秒前
cc66关注了科研通微信公众号
2秒前
阿豪完成签到,获得积分10
2秒前
Tim完成签到,获得积分10
2秒前
CodeCraft应助SH采纳,获得10
2秒前
直率媚颜发布了新的文献求助10
2秒前
3秒前
kk完成签到,获得积分10
4秒前
敏感的星星完成签到 ,获得积分10
6秒前
6秒前
云胡不喜完成签到,获得积分10
6秒前
李小宁发布了新的文献求助10
7秒前
nanfang完成签到 ,获得积分10
9秒前
9秒前
10秒前
小猛完成签到,获得积分10
10秒前
11秒前
龙妍琳完成签到,获得积分10
12秒前
12秒前
葭月十七发布了新的文献求助10
13秒前
13秒前
13秒前
14秒前
光纤陀螺完成签到,获得积分10
14秒前
14秒前
爱听歌寄云完成签到 ,获得积分10
15秒前
刘春亚完成签到 ,获得积分10
15秒前
jygjhgy完成签到,获得积分10
15秒前
学渣发布了新的文献求助10
16秒前
111发布了新的文献求助10
16秒前
不配.应助木南湖畔采纳,获得10
17秒前
黄焖张张包完成签到,获得积分10
17秒前
凌123完成签到,获得积分10
17秒前
cc66发布了新的文献求助10
17秒前
18秒前
露露_11发布了新的文献求助10
18秒前
NexusExplorer应助小付采纳,获得10
18秒前
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
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 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 3181206
求助须知:如何正确求助?哪些是违规求助? 2831448
关于积分的说明 7984853
捐赠科研通 2493457
什么是DOI,文献DOI怎么找? 1330153
科研通“疑难数据库(出版商)”最低求助积分说明 635934
版权声明 602955