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
高高的汝燕完成签到,获得积分10
刚刚
NexusExplorer应助KKKK采纳,获得10
1秒前
paparazzi221应助SHENJING采纳,获得100
2秒前
天道酬勤完成签到 ,获得积分10
2秒前
小猫咪摇起来完成签到 ,获得积分10
4秒前
Jakiro发布了新的文献求助10
4秒前
深情安青应助Sunflower采纳,获得10
5秒前
5秒前
豆子完成签到,获得积分10
5秒前
5秒前
Rose完成签到,获得积分20
5秒前
快乐星球在逃居民完成签到,获得积分20
6秒前
汉堡包应助xiaopingbing采纳,获得10
7秒前
7秒前
废柴完成签到,获得积分10
7秒前
7秒前
8秒前
8秒前
Lucas应助小小小小采纳,获得10
8秒前
slj完成签到,获得积分10
10秒前
biu完成签到,获得积分10
10秒前
10秒前
雪中发布了新的文献求助10
12秒前
14秒前
KKKK发布了新的文献求助10
14秒前
Abi完成签到,获得积分10
15秒前
斯文败类应助风禾采纳,获得10
19秒前
wanci应助风禾采纳,获得10
19秒前
19秒前
CipherSage应助风禾采纳,获得10
19秒前
科目三应助风禾采纳,获得10
19秒前
木木完成签到 ,获得积分10
19秒前
直率无春发布了新的文献求助10
20秒前
xt完成签到,获得积分10
23秒前
起飞完成签到 ,获得积分10
24秒前
24秒前
26秒前
26秒前
lab完成签到 ,获得积分0
26秒前
无水乙醚完成签到,获得积分10
27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
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
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
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 3193732
求助须知:如何正确求助?哪些是违规求助? 2842778
关于积分的说明 8040688
捐赠科研通 2506815
什么是DOI,文献DOI怎么找? 1339392
科研通“疑难数据库(出版商)”最低求助积分说明 638755
邀请新用户注册赠送积分活动 607501