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
宇宙无敌霸王龙战士一号完成签到,获得积分10
刚刚
hongshiyi发布了新的文献求助10
1秒前
咿咿呀呀发布了新的文献求助10
2秒前
胡凤凰发布了新的文献求助10
3秒前
5秒前
5秒前
李欣华完成签到,获得积分10
5秒前
cxy发布了新的文献求助10
5秒前
7秒前
8秒前
生椰拿铁发布了新的文献求助10
8秒前
酷波er应助lth采纳,获得10
10秒前
10秒前
lm发布了新的文献求助10
10秒前
10秒前
ladyguagua完成签到,获得积分10
10秒前
科研通AI2S应助pj采纳,获得10
11秒前
小古董给小古董的求助进行了留言
12秒前
13秒前
梓泽丘墟应助吕健采纳,获得10
13秒前
小银发布了新的文献求助10
13秒前
我爱学习发布了新的文献求助10
14秒前
高强发布了新的文献求助10
14秒前
hongshiyi完成签到,获得积分10
14秒前
14秒前
吴荣方完成签到 ,获得积分10
15秒前
ellen完成签到,获得积分10
15秒前
梓泽丘墟应助壮观的晓露采纳,获得20
15秒前
天天快乐应助清秋采纳,获得10
15秒前
呆萌幼晴完成签到,获得积分10
16秒前
传奇3应助qq采纳,获得10
16秒前
李爱国应助学术小孩采纳,获得10
16秒前
17秒前
五月天完成签到,获得积分10
18秒前
虚幻的莞完成签到,获得积分10
18秒前
夜已深完成签到,获得积分10
18秒前
cxy完成签到,获得积分10
18秒前
外向的笑白完成签到,获得积分10
19秒前
爱听歌元风完成签到,获得积分20
19秒前
华姝发布了新的文献求助10
20秒前
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 3184739
求助须知:如何正确求助?哪些是违规求助? 2835049
关于积分的说明 8002768
捐赠科研通 2497447
什么是DOI,文献DOI怎么找? 1332826
科研通“疑难数据库(出版商)”最低求助积分说明 636714
邀请新用户注册赠送积分活动 604085