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
活力映梦完成签到,获得积分20
刚刚
冷傲的道罡完成签到,获得积分10
1秒前
小马甲应助伊可采纳,获得10
1秒前
qiao发布了新的文献求助10
3秒前
澈哩完成签到,获得积分10
3秒前
袁十三发布了新的文献求助10
3秒前
3秒前
哇哇哇完成签到 ,获得积分10
3秒前
4秒前
炙热念双发布了新的文献求助20
5秒前
强健的冰棍完成签到,获得积分10
5秒前
paparazzi221应助树袋熊采纳,获得100
5秒前
MAVS完成签到,获得积分10
5秒前
叶子完成签到,获得积分20
5秒前
Yan完成签到,获得积分10
6秒前
质延发布了新的文献求助10
6秒前
Rex发布了新的文献求助10
6秒前
sva完成签到,获得积分10
6秒前
6秒前
破伤疯完成签到 ,获得积分10
7秒前
干雅柏发布了新的文献求助10
7秒前
maction应助坚定南霜采纳,获得10
7秒前
7秒前
美满乌冬面完成签到,获得积分10
8秒前
8秒前
9秒前
叶子发布了新的文献求助10
9秒前
9秒前
读研好难发布了新的文献求助10
10秒前
10秒前
袁十三完成签到,获得积分10
10秒前
狂野的心情完成签到,获得积分10
10秒前
1+1应助早早采纳,获得10
11秒前
12秒前
ccyyss发布了新的文献求助10
12秒前
13秒前
Akim应助popo6150采纳,获得10
14秒前
伊可发布了新的文献求助10
15秒前
小丸子完成签到 ,获得积分10
15秒前
黑夜做着白日梦完成签到,获得积分10
15秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
安全防范技术与工程 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Актуализированная стратиграфическая схема триасовых отложений Прикаспийского региона. Объяснительная записка 360
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 3193209
求助须知:如何正确求助?哪些是违规求助? 2842206
关于积分的说明 8038076
捐赠科研通 2506078
什么是DOI,文献DOI怎么找? 1338965
科研通“疑难数据库(出版商)”最低求助积分说明 638559
邀请新用户注册赠送积分活动 607108