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
渡己完成签到 ,获得积分10
1秒前
zain完成签到 ,获得积分10
3秒前
5秒前
kakakakak完成签到,获得积分10
7秒前
许多多同学完成签到,获得积分10
7秒前
九五式自动步枪完成签到 ,获得积分10
7秒前
霍霍完成签到 ,获得积分10
8秒前
清秀映阳完成签到,获得积分10
9秒前
jiangshi90发布了新的文献求助10
9秒前
哈哈哈完成签到,获得积分10
10秒前
11秒前
spy完成签到 ,获得积分10
12秒前
灵巧雨寒完成签到,获得积分10
15秒前
彦子完成签到 ,获得积分10
15秒前
15秒前
17秒前
爱撒娇的孤丹完成签到 ,获得积分10
17秒前
锋回露转123完成签到,获得积分10
17秒前
wn完成签到,获得积分10
20秒前
20秒前
wyx完成签到,获得积分10
20秒前
ameng_xu完成签到 ,获得积分10
21秒前
第七个太阳完成签到,获得积分10
21秒前
是亲爱的小王完成签到,获得积分10
22秒前
何糖完成签到,获得积分10
22秒前
苏苏爱学习完成签到,获得积分10
22秒前
星叶发布了新的文献求助10
22秒前
haha完成签到 ,获得积分10
23秒前
fenghp发布了新的文献求助10
24秒前
东湾苍梧完成签到,获得积分10
24秒前
加减乘除完成签到,获得积分10
25秒前
尊敬的小土豆完成签到,获得积分10
25秒前
JamesPei应助超帅傲白采纳,获得10
27秒前
明月逐人归完成签到,获得积分10
27秒前
善学以致用应助fenghp采纳,获得10
29秒前
无限的续完成签到 ,获得积分10
30秒前
polestarr完成签到,获得积分10
31秒前
xczhu完成签到,获得积分10
31秒前
32秒前
bible完成签到,获得积分10
35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
Dictionary of socialism 350
Mixed-anion Compounds 300
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
Idoxuridine 260
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 3196862
求助须知:如何正确求助?哪些是违规求助? 2845528
关于积分的说明 8054612
捐赠科研通 2510247
什么是DOI,文献DOI怎么找? 1342330
科研通“疑难数据库(出版商)”最低求助积分说明 639355
邀请新用户注册赠送积分活动 608669