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
恋恋青葡萄完成签到,获得积分10
14秒前
20秒前
jl发布了新的文献求助10
24秒前
Damon完成签到 ,获得积分10
27秒前
冬去春来完成签到 ,获得积分10
27秒前
DAHove完成签到 ,获得积分10
28秒前
田様应助jl采纳,获得10
31秒前
GuangboXia完成签到,获得积分10
34秒前
123完成签到 ,获得积分10
37秒前
w婷完成签到 ,获得积分10
43秒前
大喜子完成签到 ,获得积分10
44秒前
GreenDuane完成签到 ,获得积分0
46秒前
刘秀完成签到 ,获得积分10
50秒前
慕青应助科研通管家采纳,获得10
55秒前
Jasper应助科研通管家采纳,获得10
55秒前
chenying完成签到 ,获得积分0
59秒前
光亮又晴完成签到 ,获得积分10
1分钟前
xuxu完成签到 ,获得积分10
1分钟前
ycg完成签到,获得积分10
1分钟前
天真依玉完成签到,获得积分10
1分钟前
cq_2完成签到,获得积分10
1分钟前
steven完成签到 ,获得积分10
1分钟前
tsy完成签到 ,获得积分10
1分钟前
深情海秋完成签到,获得积分10
1分钟前
青珊完成签到,获得积分10
1分钟前
hhhh完成签到 ,获得积分10
1分钟前
qiancib202完成签到,获得积分10
1分钟前
郑洋完成签到 ,获得积分10
1分钟前
laohu完成签到,获得积分10
1分钟前
Lexi完成签到 ,获得积分10
1分钟前
友好的牛排完成签到,获得积分10
1分钟前
keyan完成签到 ,获得积分10
1分钟前
高大的天道完成签到 ,获得积分10
1分钟前
angen完成签到 ,获得积分10
1分钟前
上善若水呦完成签到 ,获得积分10
1分钟前
1分钟前
1分钟前
fly发布了新的文献求助10
1分钟前
阿尼完成签到 ,获得积分10
1分钟前
wyh295352318完成签到 ,获得积分10
2分钟前
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
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 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 3183763
求助须知:如何正确求助?哪些是违规求助? 2833786
关于积分的说明 7995603
捐赠科研通 2496044
什么是DOI,文献DOI怎么找? 1331890
科研通“疑难数据库(出版商)”最低求助积分说明 636455
邀请新用户注册赠送积分活动 603625