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
1秒前
寒烟应助戴煜亚采纳,获得20
1秒前
梅仑西西完成签到,获得积分20
3秒前
4秒前
JunJun完成签到 ,获得积分10
4秒前
任性的皮皮虾完成签到,获得积分10
7秒前
fmx完成签到,获得积分10
7秒前
研友_Z72O4n完成签到,获得积分20
8秒前
8秒前
8秒前
JamesPei应助yiwangwuqian采纳,获得10
9秒前
研友_Z72O4n发布了新的文献求助10
10秒前
ding应助凯瑟琳采纳,获得10
11秒前
13秒前
JackMa应助jyy采纳,获得30
14秒前
19秒前
慕青应助dove00采纳,获得50
19秒前
zhouyou发布了新的文献求助10
21秒前
怕孤单的若颜完成签到,获得积分10
21秒前
醉熏的灵完成签到 ,获得积分10
21秒前
CodeCraft应助欢喜大地采纳,获得10
22秒前
linda发布了新的文献求助10
23秒前
24秒前
英俊的铭应助超级的语儿采纳,获得10
25秒前
26秒前
大橘子完成签到,获得积分10
27秒前
27秒前
30秒前
贺儿完成签到 ,获得积分10
30秒前
cheney完成签到,获得积分10
31秒前
善良的人发布了新的文献求助10
32秒前
亚鲁发布了新的文献求助10
32秒前
32秒前
木林森江完成签到 ,获得积分10
33秒前
在座的审稿都是俺爹完成签到,获得积分10
34秒前
Dr.Zou完成签到,获得积分10
34秒前
楚寅完成签到 ,获得积分10
34秒前
欢喜大地发布了新的文献求助10
35秒前
35秒前
lelehanhan完成签到,获得积分10
36秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
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
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 3184620
求助须知:如何正确求助?哪些是违规求助? 2834922
关于积分的说明 8002218
捐赠科研通 2497295
什么是DOI,文献DOI怎么找? 1332783
科研通“疑难数据库(出版商)”最低求助积分说明 636685
邀请新用户注册赠送积分活动 604062