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
孟严青发布了新的文献求助10
刚刚
浩西完成签到,获得积分10
1秒前
ying完成签到,获得积分20
1秒前
结实的荷发布了新的文献求助10
1秒前
1秒前
1秒前
2秒前
3秒前
3秒前
疯了半天完成签到,获得积分10
4秒前
萧白竹完成签到,获得积分10
4秒前
梨梨完成签到,获得积分10
5秒前
充电宝应助欣喜安萱采纳,获得10
5秒前
黎小乐子完成签到,获得积分10
5秒前
852应助小刺猬采纳,获得10
6秒前
erjigao完成签到,获得积分10
6秒前
田様应助虚心伯云采纳,获得10
6秒前
奋斗的怀曼完成签到,获得积分10
6秒前
Missing发布了新的文献求助10
6秒前
7秒前
Solarenergy完成签到,获得积分0
7秒前
LRL关闭了LRL文献求助
8秒前
8秒前
cwq完成签到 ,获得积分10
9秒前
布拉布拉完成签到,获得积分10
9秒前
愉快的晓露完成签到,获得积分20
9秒前
wanci应助Ash采纳,获得10
10秒前
木木完成签到 ,获得积分10
11秒前
11秒前
YYL关闭了YYL文献求助
11秒前
Rehan完成签到 ,获得积分10
11秒前
搜集达人应助pxj采纳,获得10
12秒前
hh完成签到,获得积分10
12秒前
个性的傲安完成签到,获得积分10
12秒前
13秒前
hill完成签到,获得积分10
13秒前
14秒前
小冯完成签到,获得积分10
14秒前
14秒前
科研的POWER完成签到,获得积分10
14秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Dictionary of socialism 350
Mixed-anion Compounds 300
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
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 3197408
求助须知:如何正确求助?哪些是违规求助? 2846255
关于积分的说明 8058280
捐赠科研通 2511061
什么是DOI,文献DOI怎么找? 1343076
科研通“疑难数据库(出版商)”最低求助积分说明 639510
邀请新用户注册赠送积分活动 609024